Αναγνώριση Μουσικού Είδους και Υποείδους με Τεχνικές Μηχανικής Μάθησης

Abstract

Η μουσική ήταν ανέκαθεν ένα αναπόσπαστο τμήμα του πολιτισμού του ανθρώπου, καθώς είναι άρρηκττα συνδεδεμένη με την έκφραση των συναισθημάτων, τη διασκέδαση και την κοινωνική ζωή. Με το πέρασμα του χρόνου και ανάλογα με τα κοινωνικά φαινόμενα, τη μόδα και τις καλλιτεχνικές επιρροές της κάθε εποχής, δημιουργούνται νέα μουσικά είδη, ενώ άλλα παλαιότερα σταδιακά εκλείπουν. Η ψηφιοποίηση της μουσικής βιομηχανίας έχει επιφέρει ριζικές αλλαγές στον τρόπο με τον οποίο η μουσική δημιουργείται, αναπαράγεται και διαδίδεται. Πολλές διαδικασίες έχουν απλοποιηθεί και αυτοματοποιηθεί, αλλά ταυτόχρονα έχουν προκύψει νέες ανάγκες και προκλήσεις. Μία από αυτές τις προκλήσεις είναι το ζήτημα της αυτόματης αναγνώρισης του μουσικού είδους.

Η ταξινόμηση μουσικής σε κατηγορίες, είτε ανά μουσικό είδος, είτε ανά καλλιτέχνη, είτε ανά διάθεση είναι ένα ενεργό πρόβλημα στον τομέα της Ανάκτησης Μουσικής Πληροφορίας (Music Information Retrieval - MIR). Πιο συγκεκριμένα, η ταξινόμηση ανά μουσικό είδος είναι ένα πεδίο το οποίο τα τελευταία χρόνια έχει γνωρίσει μεγάλη ανάπτυξη, καθώς έχουν πραγματοποιηθεί πολλές έρευνες με αξιοσημείωτα αποτελέσματα. Ταυτόχρονα, στο πεδίο της ταξινόμησης ανά μουσικό υποείδος, η έρευνα και οι προσπάθειες βελτίωσης συνεχίζονται ενεργά, καθώς η αυτόματη διάκριση μεταξύ πολύ παρόμοιων κατηγοριών είναι μία ακόμα μεγαλύτερη πρόκληση.

Το θέμα της παρούσας διπλωματικής εργασίας είναι αρχικά η δημιουργία ενός συστήματος ταξινόμησης μουσικής στα 10 βασικά είδη (hiphop, country, disco, metal, reggae, blues, rock, classical, jazz, pop). Στη συνέχεια γίνεται μεγαλύτερη εμβάθυνση, μέσω της υλοποίησης ενός συστήματος ταξινόμησης της ροκ μουσικής στα 10 υποείδη της \tl{(punk, post-rock, lo-fi, metal, psych-rock, indie-rock, industrial, garage, new wave, progressive)}. Και στις δύο αυτές περιπτώσεις, το θέμα προσεγγίζεται με τεχνικές Βαθιάς Μάθησης. Αρχικά, γίνεται η εξαγωγή χρήσιμων χαρακτηριστικών με μεθόδους Ψηφιακής Επεξεργασίας Σήματος. Στη συνέχεια, τα χαρακτηριστικά αυτά τροφοδοτούνται σε διάφορες αρχιτεκτονικές Νευρωνικών Δικτύων. Τέλος, πραγματοποιείται αξιολόγηση όλων των πειραμάτων και επιλογή των βέλτιστων χαρακτηριστικών και αρχιτεκτονικών.