Year: 2026
Type: dissertation
Abstract: Samodejna klasifikacija glasbenih zvrsti zvočne posnetke običajno razdeli na okna fiksne dolžine, ki ne upoštevajo glasbene strukture, zato enako dolga okna pri različnih tempih zajamejo različno količino glasbene vsebine. Magistrsko delo preverja, ali klasifikacijo izboljša taktna normalizacija. Pri njej se posnetek razdeli na takte na podlagi samodejno zaznanih in ročno potrjenih dob, vsak takt pa se preslika v mel-spektrogram fiksne velikosti, s čimer postane predstavitev od tempa neodvisna. Taktna normalizacija je primerjana s časovno normalizacijo na zbirki GTZAN s šestimi arhitekturami nevronskih mrež, od preproste konvolucijske mreže do modelov, prednaučenih na zbirkah ImageNet in AudioSet. Vrednotenje poteka na ročno validirani podmnožici zbirke s petkratno navzkrižno validacijo, pri kateri so vsi posnetki istega izvajalca v isti množici, kar prepreči uhajanje informacij med učenjem in testiranjem. Rezultati ne pokažejo statistično značilne razlike v točnosti med taktno in časovno normalizacijo pri nobeni arhitekturi. Enak sklep velja na pridržani testni množici. Najvišjo točnost, približno 80 %, doseže na zvočni domeni prednaučena konvolucijska mreža CNN14. Osrednji prispevek dela je neposredna primerjava obeh predstavitev pod protokolom brez uhajanja informacij. Ugotovitev, da nestrogo vrednotenje na majhni zbirki rezultate izkrivi, potrjuje znana opozorila o zbirki GTZAN.
Author: Bajec, Rok
Language: Slovenian
Topic: Music and Audio Processing
Subfield: Signal Processing
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7170996034