MS-SincResNet: Joint learning of 1D and 2D kernels using multi-scale SincNet and ResNet for music genre classification

光谱图 判别式 计算机科学 联营 模式识别(心理学) 卷积神经网络 人工智能 特征(语言学) 语音识别 代表(政治) 政治学 语言学 政治 哲学 法学
作者
Pei-Chun Chang,Yong‐Sheng Chen,Chang-Hsing Lee
出处
期刊:Cornell University - arXiv
标识
DOI:10.48550/arxiv.2109.08910
摘要

In this study, we proposed a new end-to-end convolutional neural network, called MS-SincResNet, for music genre classification. MS-SincResNet appends 1D multi-scale SincNet (MS-SincNet) to 2D ResNet as the first convolutional layer in an attempt to jointly learn 1D kernels and 2D kernels during the training stage. First, an input music signal is divided into a number of fixed-duration (3 seconds in this study) music clips, and the raw waveform of each music clip is fed into 1D MS-SincNet filter learning module to obtain three-channel 2D representations. The learned representations carry rich timbral, harmonic, and percussive characteristics comparing with spectrograms, harmonic spectrograms, percussive spectrograms and Mel-spectrograms. ResNet is then used to extract discriminative embeddings from these 2D representations. The spatial pyramid pooling (SPP) module is further used to enhance the feature discriminability, in terms of both time and frequency aspects, to obtain the classification label of each music clip. Finally, the voting strategy is applied to summarize the classification results from all 3-second music clips. In our experimental results, we demonstrate that the proposed MS-SincResNet outperforms the baseline SincNet and many well-known hand-crafted features. Considering individual 2D representation, MS-SincResNet also yields competitive results with the state-of-the-art methods on the GTZAN dataset and the ISMIR2004 dataset. The code is available at https://github.com/PeiChunChang/MS-SincResNet

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
菜鸟完成签到,获得积分10
刚刚
liangxianli完成签到,获得积分10
1秒前
2秒前
李伟峰发布了新的文献求助10
3秒前
3秒前
菜鸟发布了新的文献求助10
3秒前
眼睛大的栾完成签到 ,获得积分20
4秒前
4秒前
从容的完成签到 ,获得积分10
5秒前
可爱的函函应助an采纳,获得10
6秒前
锋回露转123完成签到,获得积分10
6秒前
6秒前
7秒前
7秒前
ikun0000完成签到,获得积分10
7秒前
7秒前
9秒前
9秒前
天空发布了新的文献求助10
9秒前
ge完成签到,获得积分10
9秒前
鹿lu发布了新的文献求助10
10秒前
10秒前
神勇的惜梦完成签到,获得积分10
11秒前
小桑桑发布了新的文献求助10
11秒前
11秒前
乐乐发布了新的文献求助10
12秒前
MrLee2R发布了新的文献求助10
12秒前
阿部阿部完成签到,获得积分20
12秒前
小马发布了新的文献求助10
13秒前
刘雨森完成签到,获得积分10
13秒前
zjq发布了新的文献求助10
14秒前
15秒前
段段完成签到,获得积分10
15秒前
15秒前
15秒前
鲤鱼访天完成签到,获得积分10
16秒前
qii完成签到,获得积分10
16秒前
16秒前
孤独问旋完成签到,获得积分10
16秒前
南海神尼完成签到,获得积分10
17秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 810
Pharmacogenomics: Applications to Patient Care, Third Edition 800
A Dissection Guide & Atlas to the Rabbit 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3082258
求助须知:如何正确求助?哪些是违规求助? 2735476
关于积分的说明 7537620
捐赠科研通 2385156
什么是DOI,文献DOI怎么找? 1264678
科研通“疑难数据库(出版商)”最低求助积分说明 612700
版权声明 597623