Προσδιορισμός των beat μουσικών κομματιών με μηχανική μάθηση

Abstract

Το Beat Tracking είναι η ακριβής εκτίμηση της θέσης των beat μέσα σε ένα μουσικό κομμάτι. Το πρόβλημα αυτό είναι ένα από τα πολλά προβλήματα που αποσχολούν τον κλάδο της Ανάκτησης Πληροφορίας από Μουσική. Σε αντίθεση με το Tempo Estimation, που αποσκοπεί τον προσδιορισμό των διακυμάνσεων του tempo σε ένα μουσικό κομμάτι, με το Beat Tracking καλούμαστε να αναδείξουμε τις ακριβή θέση του κάθε beat. Οι περισσότεροι άνθρωποι, ακούγοντας μουσική, μπορούν με ευκολία να προσδιορίσουν τους χτύπους της. Αρκετοί αλγόριθμοι έχουν δημιουργηθεί για την επίλυση αυτού του προβλήματος. Όμως, η μεταφορά της γνωστικής αυτής διαδικασίας σε ένα αυτοματοποιημένο σύστημα, το οποίο θα λειτουργεί με επιτυχία για πολλά και διαφορετικά είδη μουσικής δεν είναι εύκολη διαδικασία. Στο πλαίσιο αυτής της εργασίας, προσεγγίζουμε το Beat Tracking από την σκοπιά της βαθιάς μηχανικής μάθησης, η οποία είναι αρκετά διαδεδομένη πλέον στα περισσότερα έργα ανάκτησης πληροφορίας από μουσική. Πιο συγκεκριμένα, εκπαιδεύτηκαν, 4 διαφορετικοί τύποι Αναδρομικών Νευρωνικών Δικυων Long-Short Term Memory(LSTM) καθώς και 1 αρχιτεκτονική Συνελικτικού Νευρωνικού Δικτύου(CNN). Σαν είσοδο των νευρωνικών δικτύων, χρησιμοποιήσαμε σπεκτρογραφήματα τύπου Mel, που προέρχονται από 1124 διαφορετικά μουσικά κομμάτια.