基于神经网络的音乐流派分类

介绍

本文讨论神经网络对声音样本的音乐类型进行分类的任务。当我决定在声音处理领域工作时，我认为声音类型分类和图像分类是相同的问题。但是图像非常火热，我并没有找到太多关于深度学习来解决这个问题的相关资料。直到最近我找到一个关于使用深度学习技术的基于内容的音乐推荐。他们获取数据集的方式以及他们对声音所做的预处理确实启发了我，所以我决定用深度学习来对音乐流派进行分类。这个项目的一个子任务是学习一个新的深度学习SDK，该项目在Python中实现，机器学习部分使用TensorFlow。

数据集

获取数据集可能是这项工作中最耗时的部分。寻找音乐数据是一件很痛苦的事，每个文件通常是几MB，有各种各样的质量和录音参数（频率数，每秒比特数等）。但最大的痛苦是版权，没有合法的着名歌曲数据集，因为它们会花钱。目前使用的开源数据集是GTZAN的数据集。这个数据集很小（每种类型100首歌曲X 10种类型=总共1,000首歌曲），版权许可是有问题的。从我的角度来看，这是阻碍他取得更好成绩的原因之一。所以我想要生成更多数据来学习。最终我找到了MSD数据集（Million Song Dataset）。它是一个免费提供的音频功能数据的集合，共收集一百万当代流行音乐曲目。大约280GB的纯元数据。在MSD之上有一个名为tagtraum的项目，它将MSD歌曲分类为流派。现在的问题是获得声音本身，这里是我有点创意的地方。我发现每首歌在数据集中都有一个标签是来自名为7Digital的提供商的id。7Digital是音乐应用程序的SaaS提供商，它基本上可以让您流式传输音乐。所以我编写了“previewDownloader.py”，为MSD数据集中的每首歌下载30秒预览。我将其分为以下几类：

• 蓝调

<