Metode za inteligentnu analizu glazbenih zapisa

diplomski rad

• Naslov (engleski): Methods for intelligent analysis of music recordings
• Autor: Ena Tomić
• Mentor: Antonio Petošić (mentor)
• Član povjerenstva: Antonio Petošić (predsjednik povjerenstva)
• Član povjerenstva: Krešimir Pripužić (član povjerenstva)
• Član povjerenstva: Kristian Jambrošić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2018-07-16, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Elektrotehnika

Sažetak

U ovom radu, razmatrani su osnovni koncepti inteligentne analize glazbenih zapisa.
Najprije su predstavljeni definicija i ciljevi ove discipline, kao i povijesni razvoj. Opisani
su primarni deskriptori, relevantni za analizu (spektar, kepstar, CHROMA, MFCC
koeficijenti, prolasci kroz nulu, spektralni centroid, i dr.), te metode za predprocesiranje
signala, uključujući i pretvorbu zapisa u digitalni oblik. Zatim su navedene dostupne
baze glazbenih zapisa, kao i alati pogodni za analizu glazbe. Opisane su glavne
metode za ekstrakciju odabranih glazbenih obilježja: ritma, tonaliteta i teksture. Prikazani
su praktični primjeri ekstrakcije značajki dva glazbena zapisa različitog žanra
pomoću MIRToolbox alatnog okvira, te su napravljene analiza i usporedba.

Sažetak (engleski)

The thesis discusses the basic concepts of intelligent analysis of music records. First,
the definition and objectives of this discipline as well as historical development are presented.
Low level descriptors, relevant for analysis (spectrum, cepstrum, CHROMA,
MFCC coefficients, zero crossing rate, spectral centroid, etc.) are described, as well
as methods for signal preprocessing, including digitalization process. Furthermore,
there are freely available music datasets as well as analysis tools described. The main
methods for extraction of selected musical features are discussed: rhythm, tonality and
texture. Practical examples of feature extraction of two music tracks from different
genres are presented using the MIRToolbox, and an analysis and comparison are made.

• Ključne riječi: inteligentna analiza glazbe; digitalizacija; predprocesiranje; MIRToolbox; baze glazbenih zapisa; ekstrakcija glazbenih značajki; ritam; tonalitet; tekstura; kromagram; primarni deskriptori; MFCC koeficijenti
• Ključne riječi (engleski): intelligent music analysis; digitalization; preprocessing; MIRToolbox; music databases; music features; feature extraction; rhythm; tonality; texture; chromagram; low level descriptors; MFCC coefficients
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:179162
• Studijski program: Naziv: Informacijska i komunikacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (mag. ing. inf. et comm. techn.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-03-14 01:36:31