magistrsko delo
Dal Rupnik (Avtor), Aleš Holobar (Mentor)

Povzetek

V magistrskem delu predstavimo sistem, ki na mobilni platformi iOS samodejno klasificira glasbeni žanr zvočnih posnetkov na podlagi zajetih vrednosti značilnic. Sistem za posamezen posnetek izračuna vektor značilnic, ki opredeljujejo ritmične, tonske in energetske lastnosti posnetka. Na osnovi učne množice vektorjev z označenim glasbenim žanrom se sistem nauči značilnosti posameznih žanrov, na podlagi le teh pa kasneje opravlja klasifikacijo testnih posnetkov, ki nimajo označenega glasbenega žanra. Klasifikacijo smo izvedli z metodo podpornih vektorjev in pri tem na 1.000 testnih posnetkih dosegli 64 % natančnost ločevanja med naslednjimi desetimi žanri: blues, klasična glasba, country, disco, hip hop, jazz, metal, pop, reggae in rock.

Ključne besede

klasifikacija glasbenih žanrov;analiza posnetka;značilnice glasbe;strojno učenje;metoda podpornih vektorjev;mobilna platforma;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik: [D. Rupnik]
UDK: 004.9'1(043.2)
COBISS: 17346326 Povezava se bo odprla v novem oknu
Št. ogledov: 1711
Št. prenosov: 200
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: CLASSIFICATION OF AUDIO SIGNALS INTO MUSIC GENRES
Sekundarni povzetek: In this work, we present a mobile application for iOS, which determines musical genre of audio signal based on the features extracted from the signal. For each audio signal a feature vector that represents timbral, rhythmic and energetic properties of the signal is calculated. Based on a training set of feature vectors with labelled musical genre, system learns the characteristics of specific genre and uses this information to classify unlabelled audio signals into multiple musical genres. Classification is performed by support vector machine unsupervised machine learning algorithm. When tested on 1,000 audio signals with 10 different genres, the implemented classifier yielded accuracy of 64 %.
Sekundarne ključne besede: music genre classification;feature extraction;audio signals analysis;machine learning;support vector machine;mobile platform;
URN: URN:SI:UM:
Vrsta dela (COBISS): Magistrsko delo/naloga
Komentar na gradivo: Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko
Strani: XIV, 71 f.
ID: 8726180