Primjena algoritama strojnog učenja u klasifikaciji glazbenog sadržaja snimljenog u različitim okolinama

završni rad

• Naslov (engleski): Application of machine learning algorithms in classification of audio content recorded in different instruments environments
• Autor: Andrija Peršun
• Mentor: Antonio Petošić (mentor)
• Član povjerenstva: Antonio Petošić (predsjednik povjerenstva)
• Član povjerenstva: Ivan Đurek (član povjerenstva)
• Član povjerenstva: Mia Suhanek (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-07-05, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovom radu implementiran je algoritam automatskog prepoznavanja glazbenog sadržaja za snimke različitih izvedbi i različitih okruženja. Obrađena je teorijska podloga izvlačenja korištenih značajki, odnosno transkripcije teksta i računanje kroma značajke (kromagrama) te osnove prostorne akustike i utjecaj na snimke. Pokazana je metoda računanja podudarnosti između dvaju snimaka za svaki korišteni parametar te metoda računanja ukupne podudarnosti. Prezentirani su i rezultati testiranja. Svaki test, ovisno o dužini testiranog zvučnog zapisa, traje između 10 i 30 sekundi. Testovi su pokazali uspješnost od 94% na 11 testova normalne klasifikacije i 100% na 2 testa klasifikacije uljeza, na inicijalnoj bazi podataka s 33 pjesme.

Sažetak (engleski)

This paper covers the implementation of an algorithm for automatic classification of music. It covers the theoretical basis of sound feature extraction, namely speech transcription for lyric identifcation, as well as chroma feature calculation for music recognition in different acoustics environments. It then shows the procedure for audio matching based on the outputs of specific features, including the calculation of individual matching coefficients and the cumulative, total mathcing coefficients. The paper includes presentation of test results on a small database of 33 songs. Each test, depending on the length of the tested recording, took anywhere from 10 to 30 seconds to complete. The tests yielded a high 94% success rate across 11 normal test examples, and a 100% fail rate on 2 test examples which attempted to classify an impostor.

• Ključne riječi: klasifikacija zvuka; dohvaćanje glazbenih informacija; automatsko prepoznavanje glazbe; izvlačenje značajki; prostorna akustika
• Ključne riječi (engleski): audio classification; music information retrieval; automatic music recognition; feature extraction; room acoustics
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:893358
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2024-10-12 21:49:35