MFCC'ler bir geri alma sistemine müziği temsil etmek için en uygun yöntem midir?

Bir sinyal işleme tekniği, Mel frekans Cepstrum , genellikle bir makine öğrenme görevinde kullanılmak üzere bir müzik parçasından bilgi çıkarmak için kullanılır. Bu yöntem kısa vadeli bir güç spektrumu verir ve katsayılar girdi olarak kullanılır.

Müzik erişim sistemlerini tasarlarken, bu katsayılar bir parçanın karakteristiği olarak kabul edilir (açıkçası mutlaka benzersiz değil, ayırt edici). Bir ağ ile öğrenmeye daha uygun herhangi bir özellik var mı? Bir Elman ağı gibi bir şeyde kullanılan parçanın bas ilerlemesi gibi zamanla değişen özellikler daha verimli çalışır mı?

Hangi özellikler hangi sınıflandırmanın gerçekleşebileceği konusunda yeterince geniş bir set oluşturacaktır?

Bir noktada bu konuda biraz çalıştık. Çıkardığımız özellik seti bu NIPS atölye çalışmasında verilmektedir . İtiraf etmeliyim ki, bu alanda kullanılan veri kümeleri hakkında bazı şüpheler olsa da, alandaki diğer bazı yazarların sonuçlarını çoğaltamadık (bu alanda yazarlar tarafından kullanılan veri kümelerinin elle toplama ve serbest bırakılma eğiliminde olmalarına dikkat edin) her zaman böyle olmasa da, telif hakkı nedenleriyle halka). Aslında hepsi kısa vadeli spektral özelliklerdiOtomatik regresyon katsayıları da atılır. Kısa vadeli özelliklerin kullanımını doğrulayan çok kısa zaman aralıklarında (<1s) insanlar tarafından yapılabileceğini bildiğimiz türün sınıflandırmasına bakıyorduk (harika bir doğrulukla değil, tutarlı bir anlaşma ile değil ...). . Tipik tür / sanatçı / albüm / yapımcı sınıflandırmasından daha karmaşık şeyler yapmakla ilgileniyorsanız, daha uzun menzilli özelliklere ihtiyacınız olabilir, aksi takdirde bu kısa vadeli spektral özellikler en iyi performansı gösterir.