基于宽深学习网络的音乐情感识别
2022-07-06王晶晶
王晶晶, 黄 如
( 华东理工大学信息科学与工程学院,上海 200237)
从古至今,音乐一直都是人类活动中不可或缺的一部分,不仅可以代表作者表达自己的内心情感活动,也可以使倾听者接受音乐的力量,与之共鸣,从而达到一些正面的精神引导。在这个追求智能化的时代,众多影视作品和多媒体视频层出不穷,音乐情感识别也可以根据语音视频内容所传递的情感进行实时配乐。
目前对音乐情感识别的研究主要分为两个方面,一个是如何更好地提取音乐的情感特征;一个是如何提高情感识别的分类器效果。陈颖呈等[1]为了确保音频特征提取的鲁棒性和泛化能力,提高特征在表现音乐非线性深层语义的特性,在音频特征提取阶段采用了基于深度学习的音级轮廓(Deep Pitch Class Profile, DPCP)特征。Weninger等[2]使用音乐的底层特征输入循环神经网络进行训练,以此完成音乐情感识别。Markov等[3]使用高斯过程(Gaussian Process, GP)和支持向量机(Support Vector Machines,SVM)来研究不同的特征,包括梅尔频率倒谱系数(Mel Frequency Cepstral Coefficient, MFCC)、线性预测系数(Linear Prediction Coefficient, LPC)、音色特征及其各种组合特征,然后用于音乐曲风分类和VA(Valence-Arousal)情感估计。从他们的实验可以看出,GP方法的分类结果确实比SVM方法优秀,但是GP方法的算法复杂度要高于SVM方法,所以在大规模任务中很难实际应用。Chen等[4]将节奏、力度、音色、音高和音调相关的特征拼接为38维的音乐特征,使用基于深度高斯过程(Deep Gaussian Process, DGP)方法进行音乐情感识别,为每一个情感种类构建一个GP回归器,使用回归方式来分类音乐情感。虽然这种方法达到了比较不错的情感分类效果,但是模型训练完成之后不能扩充音乐样本。……
