Keras深度学习实战（39）——音乐音频分类
- 0. 前言
- 1. 数据集与模型分析
- 1.1 数据集分析
- 1.2 模型分析
- 2. 歌曲流派分类模型
- 2.1 数据加载与预处理
- 2.2 模型构建与训练
- 3. 聚类分析
- 小结
- 系列链接
0. 前言
音乐音频分类技术能够基于音乐内容为音乐添加类别标签,在音乐资源的高效组织、检索和推荐等相关方面的研究和应用具有重要意义。传统的音乐分类方法大量使用了人工设计的声学特征，特征的设计需要音乐领域的知识，不同分类任务的特征往往并不通用。深度学习的出现给更好地解决音乐分类问题提供了新的思路，本文对基于深度学习的音乐音频分类方法进行了研究。首先将音乐的音频信号转换成声谱作为统一表示，避免了手工选取特征存在的问题，然后基于一维卷积构建了一种音乐分类模型。
1. 数据集与模型分析
在本节中，我们将研究对音乐音频进行分类，当我们能够使用深度学习模型对歌曲类型自动分类时，可以极大程度的减少人工成本。