Article

Erkennung von Musikinstrumenten in polyphoner Musik mithilfe neuronaler Netze

* Presenting author
Day / Time: 22.03.2018, 11:00-11:20
Room: MW 1801
Typ: Regulärer Vortrag
Abstract: Die Instrumentierung eines Musikstückes bzw. einer Audioaufnahme zu kennen, ist in vielerlei Hinsicht von Vorteil. So ermöglicht dieses Wissen zum Beispiel die Musiksuche nach einem bestimmten Instrument, hilft bei der Suche nach einem musikalischen Genre oder erleichtert die Bearbeitung eines Musikstückes. In diesem Beitrag wird ein Verfahren vorgestellt, welches mithilfe neuronaler Netze die vorherrschenden Musikinstrumente in realer polyphoner Musik automatisch erkennt. Zahlreiche Ansätze im polyphonen Bereich beruhen auf einer Vorverarbeitung der Audiodaten gefolgt von einem maschinellen Lernverfahren. Zur Vorverarbeitung werden aus den Eingabedaten, die teilweise vorher einer rechnerischen Quellentrennung unterzogen werden, bekannte Merkmale des Music Information Retrieval (MIR) extrahiert. Die Identifikation der Instrumente erfolgt dann anhand der ermittelten MIR-Merkmale durch Support Vector Machines. Der hier vorgestellte Ansatz verzichtet auf diese beschriebene Vorgehensweise und wendet stattdessen das Prinzip des End-to-End-Lernens an. Dabei werden die Eingabedaten ohne jegliche Vorverarbeitung einem maschinellen Lernverfahren übergeben, welches in diesem Fall ein neuronales Netz ist. Da das End-to-End-Lernen in der Bildverarbeitung bzw. der Bilderkennung schon seit längerer Zeit mit großen Erfolgen angewandt wird, wird dieses Prinzip in Bezug auf die Instrumentenerkennung im Audiobereich untersucht. Die Ergebnisse werden mit den Standardverfahren der Instrumentenerkennung im polyphonen Bereich verglichen.