Prepoznavanje obilježja glazbe primjenom strojnog učenja

diplomski rad

• Naslov (engleski): Recognizing music characteristics using machine learning
• Autor: Marko Malkoč
• Mentor: Marko Jurčević (mentor)
• Član povjerenstva: Marko Jurčević (predsjednik povjerenstva)
• Član povjerenstva: Ivan Leniček (član povjerenstva)
• Član povjerenstva: Jure Konjevod (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2023-09-21, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Rad se bavi primjenom strojnog učenja na problem procjene emocionalnog doživljaja glazbe. Razmatrane su različite psihološke teorije emocija te psihološka perspektiva odnosa glazbe i emocija. U sklopu rada prikupljen je skup podataka koji glazbenim isječcima dodjeljuje ocjenu emocije. Na tom skupu podatka treniran je model dubokog učenja koji nije uspio postići željene rezultate, vjerojatno zbog male veličine skupa podataka. Razmotreni su različiti načini obrade digitalnih zvučnih signala i na što je potrebno obratiti pozornost prilikom pripreme zvučnih podatka za strojno učenje. Implementirana je aplikacija za korištenje modela koja reproducira zvučnu datoteku, vizualizirajući zvučni signal te pomoću modela procjenjuje prenesenu emociju reproducirane glazbe.

Sažetak (engleski)

The paper deals with the application of machine learning to the problem of assessing the emotional experience of music. Various psychological theories of emotion were examined and the psychological perspective of the relationship between music and emotions was given a closer look. As part of the work, a dataset was collected that assigns an emotion rating to music clips. A deep learning model was trained on that dataset and failed to achieve the desired results, probably due to the small size of the dataset. Different ways of processing digital sound signals are discussed and what needs to be paid attention to when preparing sound data for machine learning. An application has been implemented for using the model. It reproduces a sound file, visualizing the sound signal and uses the model to evaluate the conveyed emotion of the reproduced music.

• Ključne riječi: strojno učenje; obrada zvuka; psihologija emocija; glazba; prikupljanje podataka
• Ključne riječi (engleski): machine learning; sound data processing; psychology of emotions; music; data collection
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:341915
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-10-11 09:38:28