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
古典
国家
迪斯科
嘻哈
爵士乐
金属
流行的