Detecção de instrumentos musicais com redes neurais profundas

Detalhes bibliográficos
Autor(a) principal: Silva, Marcos Pedro Ferreira Leal
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: https://app.uff.br/riuff/handle/1/5810
Resumo: Abordamos nesse trabalho sobre como classificar um instrumento dominante em um trecho de música usando redes neurais convolucionais. Introduzimos alguns conceitos de processamento de sinais digitais, abordamos o funcionamento da Transformada de Fourier e sua utilização para geração de espectrogramas que são a entrada do nosso algoritmo. Introduzimos o conceito de aprendizado de máquina e discutimos sobre a evolução das redes neurais e algumas construções famosas utilizadas no trabalho. Apresentamos três redes famosas utilizadas para a classificação (LeNet, AlexNet e GoogLeNet) e suas devidas arquiteturas e tarefas originais. Confrontamos as redes treinadas com diferentes conjuntos de dados gerados a partir de espectrogramas variando os parâmetros de tempo (100ms e 500ms) e escala de cor da potência do espectrograma (escala de cinza e escala de cores). Apresentamos os testes mais relevantes e comentamos o comportamento de cada rede e exibimos alguns de seus resultados. Comentamos sobre as escolhas de outros trabalhos da literatura e por fim resumimos nossas conclusões e apontamos trabalhos futuros para melhoria dos resultados
id UFF-2_27bff8af75fb659c91146f4794246fbe
oai_identifier_str oai:app.uff.br:1/5810
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Detecção de instrumentos musicais com redes neurais profundasAprendizado de máquinaRedes neuraisProcessamento de sinaisRede neuralProcessamento de sinaisAprendizado de máquinaInstrumentação musicalMachine learningNeural networksSignal processingAbordamos nesse trabalho sobre como classificar um instrumento dominante em um trecho de música usando redes neurais convolucionais. Introduzimos alguns conceitos de processamento de sinais digitais, abordamos o funcionamento da Transformada de Fourier e sua utilização para geração de espectrogramas que são a entrada do nosso algoritmo. Introduzimos o conceito de aprendizado de máquina e discutimos sobre a evolução das redes neurais e algumas construções famosas utilizadas no trabalho. Apresentamos três redes famosas utilizadas para a classificação (LeNet, AlexNet e GoogLeNet) e suas devidas arquiteturas e tarefas originais. Confrontamos as redes treinadas com diferentes conjuntos de dados gerados a partir de espectrogramas variando os parâmetros de tempo (100ms e 500ms) e escala de cor da potência do espectrograma (escala de cinza e escala de cores). Apresentamos os testes mais relevantes e comentamos o comportamento de cada rede e exibimos alguns de seus resultados. Comentamos sobre as escolhas de outros trabalhos da literatura e por fim resumimos nossas conclusões e apontamos trabalhos futuros para melhoria dos resultadosWe will approach this work on how to classify a dominant instrument in a piece of music using convolutional neural networks. We introduce some digital signal proces- sing concepts, we discuss the operation of the Fourier Transform and its use to generate spectrograms that are input to our algorithm. We introduce the concept of machine lear- ning and discuss the evolution of neural networks and some famous architectures used in the work. We present three famous networks used for classification (LeNet, AlexNet and GoogLeNet) and their original architectures and tasks. We compare the trained networks with different data sets generated from spectrograms by varying the time scale (100ms and 500ms) and color spectrogram power scale (gray scale and color scale). We present the most relevant tests and comment on the behavior of each network and show some of its results. We commented on the choices of other papers in the literature and finally summarized our conclusions and pointed out future work to improve resultsCarvalho, Aline Marins PaesKowada, Luis Antonio BrasilFerreira, Marcos de Oliveira LageSilva, Marcos Pedro Ferreira Leal2018-02-20T16:53:02Z2018-02-20T16:53:02Z2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttps://app.uff.br/riuff/handle/1/5810http://creativecommons.org/licenses/by-nc-nd/3.0/br/CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2021-09-15T15:49:51Zoai:app.uff.br:1/5810Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202021-09-15T15:49:51Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Detecção de instrumentos musicais com redes neurais profundas
title Detecção de instrumentos musicais com redes neurais profundas
spellingShingle Detecção de instrumentos musicais com redes neurais profundas
Silva, Marcos Pedro Ferreira Leal
Aprendizado de máquina
Redes neurais
Processamento de sinais
Rede neural
Processamento de sinais
Aprendizado de máquina
Instrumentação musical
Machine learning
Neural networks
Signal processing
title_short Detecção de instrumentos musicais com redes neurais profundas
title_full Detecção de instrumentos musicais com redes neurais profundas
title_fullStr Detecção de instrumentos musicais com redes neurais profundas
title_full_unstemmed Detecção de instrumentos musicais com redes neurais profundas
title_sort Detecção de instrumentos musicais com redes neurais profundas
author Silva, Marcos Pedro Ferreira Leal
author_facet Silva, Marcos Pedro Ferreira Leal
author_role author
dc.contributor.none.fl_str_mv Carvalho, Aline Marins Paes
Kowada, Luis Antonio Brasil
Ferreira, Marcos de Oliveira Lage
dc.contributor.author.fl_str_mv Silva, Marcos Pedro Ferreira Leal
dc.subject.por.fl_str_mv Aprendizado de máquina
Redes neurais
Processamento de sinais
Rede neural
Processamento de sinais
Aprendizado de máquina
Instrumentação musical
Machine learning
Neural networks
Signal processing
topic Aprendizado de máquina
Redes neurais
Processamento de sinais
Rede neural
Processamento de sinais
Aprendizado de máquina
Instrumentação musical
Machine learning
Neural networks
Signal processing
description Abordamos nesse trabalho sobre como classificar um instrumento dominante em um trecho de música usando redes neurais convolucionais. Introduzimos alguns conceitos de processamento de sinais digitais, abordamos o funcionamento da Transformada de Fourier e sua utilização para geração de espectrogramas que são a entrada do nosso algoritmo. Introduzimos o conceito de aprendizado de máquina e discutimos sobre a evolução das redes neurais e algumas construções famosas utilizadas no trabalho. Apresentamos três redes famosas utilizadas para a classificação (LeNet, AlexNet e GoogLeNet) e suas devidas arquiteturas e tarefas originais. Confrontamos as redes treinadas com diferentes conjuntos de dados gerados a partir de espectrogramas variando os parâmetros de tempo (100ms e 500ms) e escala de cor da potência do espectrograma (escala de cinza e escala de cores). Apresentamos os testes mais relevantes e comentamos o comportamento de cada rede e exibimos alguns de seus resultados. Comentamos sobre as escolhas de outros trabalhos da literatura e por fim resumimos nossas conclusões e apontamos trabalhos futuros para melhoria dos resultados
publishDate 2018
dc.date.none.fl_str_mv 2018-02-20T16:53:02Z
2018-02-20T16:53:02Z
2018
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://app.uff.br/riuff/handle/1/5810
url https://app.uff.br/riuff/handle/1/5810
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1807838674503598080

Registros relacionados