Web aplikacija za klasifikaciju glazbenih isječaka u glazbena razdoblja

master's thesis

• Title (english): Web Application for Audio Clip Classification into Musical Periods
• Author: Antun Modrušan
• Mentor: Alan Jović (mentor)
• Committee member: Alan Jović (predsjednik povjerenstva)
• Committee member: Željka Mihajlović (član povjerenstva)
• Committee member: Tomislav Hrkać (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2021-07-06, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Cilj ovog diplomskog rada je razvijanje aplikacije za klasifikaciju glazbenih isječaka u jedno od pet glazbenih razdoblja: srednji vijek, renesansa, barok, klasicizam i romantizam. U radu su istražene razne vremenske i frekvencijske značajke koje je moguće izlučiti iz isječaka, primjerice spektrogram i kepstralni koeficijenti mel-frekvencija (MFCC). Audio isječci su sakupljeni ručno s platforme YouTube, podijeljeni u isječke od 10 sekundi i iz njih su izlučeni koeficijenti MFCC. Za klasifikaciju su ispitane potpuno povezane, konvolucijske i povratne neuronske mreže i najbolji rezultati ostvareni su s konvolucijskim neuronskim mrežama. Parametri i konfiguracija optimalnog modela su spremljeni i korišteni su u izrađenoj web aplikaciji ostvarenoj pomoću radnog okvira Streamlit koja omogućava predviđanje na novim primjerima.

Abstract (english)

The aim of this thesis is development of a web application for audio clip classification into five musical periods: middle age, renaissance, baroque, classical and romanticism. Multiple time and frequency features, which can be extracted from an audio segment, were explored such as spectrogram and Mel-Frequency Cepstral Coefficients (MFCC). Audio clips were gathered by hand from YouTube platform, split into 10 second segments and MFCCs were extracted from them. Fully connected, convolutional and recurrent neural networks have been tested for classification purposes and convolutional networks achieved the best results. Parameters and configuration of the optimal model have been saved and used in the created Streamlit app to predict on unseen clips.

• Keywords: klasifikacija; spektrogram; neuronska mreža; aplikacija
• Keywords (english): classification; spectrogram; neural network; application
• Language: croatian
• URN:NBN: urn:nbn:hr:168:091215
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-13 13:15:50