|
|
Systémy pro určení rytmických struktur v hudebních nahrávkách
Staňková, Karolína ; Miklánek, Štěpán (oponent) ; Ištvánek, Matěj (vedoucí práce)
Tato diplomová práce se zabývá systémy pro detekci rytmických struktur hudebních nahrávek. Obor získávání informací z hudby (MIR) umožňuje zkoumat harmonické a tonální vlastnosti hudby, rytmus, tempo apod., a využívá se v akademické i komerční sféře. V oblasti detekce rytmických struktur se využívají různé algoritmy, nicméně dnes většina nových metod využívá neuronové sítě. Cílem této práce je shrnout dosavadní výsledky výzkumů systémů pro detekci hudebních dob a tempa v oboru MIR, popsat způsoby výpočtu a vyhodnocení parametrů hudebních nahrávek, a implementovat program, který umožní srovnání dostupných detekčních systémů. Výsledkem práce je program v jazyce Python, který využívá k detekci rytmické struktury testovacích nahrávek šest různých systémů. Výstupy algoritmů následně kontroluje podle zadané reference a pomocí několika hodnotících veličin dané systémy porovnává mezi sebou. K tomu využívá dvou databází hudebních nahrávek, jedné větší převzaté a jedné menší vytvořené v rámci této práce (včetně anotací, tedy referenčních časů dob pro jednotlivé nahrávky). Program též umožňuje zobrazení výsledků v grafech a přehrání libovolné nahrávky doplněné o stopu obsahující detekované časy dob.
|
|
|
Detektor tempa hudebních nahrávek na bázi neuronové sítě
Suchánek, Tomáš ; Smékal, Zdeněk (oponent) ; Ištvánek, Matěj (vedoucí práce)
Diplomová práce se zabývá systémy k detekci tempa a dob v hudebních nahrávkách, jejichž funkčnost je založena na neuronových sítích. Je zde popsána struktura těchto systémů a způsob zpracování signálu v jejich jednotlivých blocích. Pozornost je potom věnována především rekurentním a temporálním konvolučním sítím, které ze své podstaty detekci tempa a dob dokáží efektivně řešit. Vybrané metody, architektury sítí a jejich modifikace jsou pak implementovány v rámci uceleného detekčního systému, který je dále testován a vyhodnocen procesem křížové validace na žánrově rozmanitém datasetu. Z výsledků vyplývá, že systém s vlastní architekturou temporální konvoluční sítě dosahuje srovnatelných výsledků se zahraničními publikacemi – v rámci datasetu SMC se například projevil jako nejúspěšnější, naopak v případě jiných se nacházel mírně pod přesností state-of-the-art systémů, přičemž navržená síť si i přes zvýšenou vnitřní komplexnost zachovává nízkou výpočetní náročnost.
|
|
|
Beat Tracking: Is 441 kHz Really Needed?
Ištvánek, Matěj ; Miklánek, Štěpán
Beat tracking is essential in music informationretrieval, with applications ranging from music analysis and automaticplaylist generation to beat-synchronized effects. In recentyears, deep learning methods, usually inspired by well-knownarchitectures, outperformed other beat tracking algorithms. Thecurrent state-of-the-art offline beat tracking systems utilize temporalconvolutional and recurrent networks. Most systems use aninput sampling rate of 44.1 kHz. In this paper, we retrain multipleversions of state-of-the-art temporal convolutional networks withdifferent input sampling rates while keeping the time resolutionby changing the frame size parameter. Furthermore, we evaluateall models using standard metrics. As the main contribution,we show that decreasing the input audio recording samplingfrequency up to 5 kHz preserves most of the accuracy, and insome cases, even slightly outperforms the standard approach.
|
|
|
The Application Of Tempo Calculation For Musicological Purposes
Istvanek, Matej
Beat tracking systems capture time positions of beats within digital recordings. Theyare used, for example, in streaming portals, but applications in the musicological analysis are oftenneglected. In this article, two different methods of beat tracking systems are tested—conventionaland the state-of-the-art—on the specific motif of a string quartet music, which is one of the mostcomplex tasks for beat detectors in general. The aim here is to determine which system is better formusicology purposes. This often involves determining not only the position of individual beats andestimating the tempo but also the accuracy of determining their number. Evaluation analysis maybe suitable for comparing the accuracy of detectors, but may not necessarily reflect the requirementsof musicological analysis. The results of selected detectors show that a system based on a recurrentneural network seems to be the most suitable.
|
|
|
Beat Tracking System Based On A Neural Network
Suchánek, Tomáš
This thesis deals with systems for tempo and beat detection in music recordings, whosefunctionality is based on neural networks. The basic structure of such systems is briefly described andthe emphasis is then placed on a comparison of recurrent and temporal convolutional networks, whichhave proven to be the most suitable for this task. The main outcome of this work is then proposaland comparison of modified temporal convolutional network with other state-of-the-art networks ina beat tracking system. The results suggest that simplification in existing architectures could benefitfrom faster training times, while it maintains or slightly improves the accuracy of a detection system.
|
|
|
Comparison And Evaluation System For Beat Tracking Algorithms
Staňková, Karolína
This work deals with systems for detecting rhythmic structures of music recordings. Thefield of retrieving information from music (MIR) is developing rapidly and has more accurate resultsthan ever before. It allows us to examine the harmonic and tonal properties of music, rhythm, tempo,etc. Various algorithms are used in the detection of rhythmic structures. However, today, most newmethods use neural networks. The thesis aims to summarize the current research results of systemsfor detecting music times and tempo in MIR, to describe methods of calculating and evaluating theparameters of music recordings, and to implement a program that allows comparison of availabledetection systems. The result of the work is a script in the Python language, which uses five differentsystems to detect the rhythmic structure of test recordings. It then checks the outputs of the algorithmsaccording to the given reference and compares the given systems with each other using severalevaluation quantities.
|
|
|
Detektor tempa hudebních nahrávek na bázi neuronové sítě
Suchánek, Tomáš ; Smékal, Zdeněk (oponent) ; Ištvánek, Matěj (vedoucí práce)
Diplomová práce se zabývá systémy k detekci tempa a dob v hudebních nahrávkách, jejichž funkčnost je založena na neuronových sítích. Je zde popsána struktura těchto systémů a způsob zpracování signálu v jejich jednotlivých blocích. Pozornost je potom věnována především rekurentním a temporálním konvolučním sítím, které ze své podstaty detekci tempa a dob dokáží efektivně řešit. Vybrané metody, architektury sítí a jejich modifikace jsou pak implementovány v rámci uceleného detekčního systému, který je dále testován a vyhodnocen procesem křížové validace na žánrově rozmanitém datasetu. Z výsledků vyplývá, že systém s vlastní architekturou temporální konvoluční sítě dosahuje srovnatelných výsledků se zahraničními publikacemi – v rámci datasetu SMC se například projevil jako nejúspěšnější, naopak v případě jiných se nacházel mírně pod přesností state-of-the-art systémů, přičemž navržená síť si i přes zvýšenou vnitřní komplexnost zachovává nízkou výpočetní náročnost.
|
|
|
Systémy pro určení rytmických struktur v hudebních nahrávkách
Staňková, Karolína ; Miklánek, Štěpán (oponent) ; Ištvánek, Matěj (vedoucí práce)
Tato diplomová práce se zabývá systémy pro detekci rytmických struktur hudebních nahrávek. Obor získávání informací z hudby (MIR) umožňuje zkoumat harmonické a tonální vlastnosti hudby, rytmus, tempo apod., a využívá se v akademické i komerční sféře. V oblasti detekce rytmických struktur se využívají různé algoritmy, nicméně dnes většina nových metod využívá neuronové sítě. Cílem této práce je shrnout dosavadní výsledky výzkumů systémů pro detekci hudebních dob a tempa v oboru MIR, popsat způsoby výpočtu a vyhodnocení parametrů hudebních nahrávek, a implementovat program, který umožní srovnání dostupných detekčních systémů. Výsledkem práce je program v jazyce Python, který využívá k detekci rytmické struktury testovacích nahrávek šest různých systémů. Výstupy algoritmů následně kontroluje podle zadané reference a pomocí několika hodnotících veličin dané systémy porovnává mezi sebou. K tomu využívá dvou databází hudebních nahrávek, jedné větší převzaté a jedné menší vytvořené v rámci této práce (včetně anotací, tedy referenčních časů dob pro jednotlivé nahrávky). Program též umožňuje zobrazení výsledků v grafech a přehrání libovolné nahrávky doplněné o stopu obsahující detekované časy dob.
|
|
|
Music Visualization in 3D
Vincena, Petr ; Rittig, Tobias (vedoucí práce) ; Hajič, Jan (oponent)
Hudba je důležitou součástí našich životů a rozpoznávání emocí v hudbě je perspektiv- ním oborem s aplikací v každodenním životě. V naší práci jsme se zaměřili na rozpoznání klíčových vlastností v hudbě a následně na vytvoření systému pro detekci emocí. Rozší- řili jsme předchozí práci Huna a kol. [2009] a vytvořili dopřednou neuronovou síť, která predikuje emoce pro použití ve vizualizaci. Získali jsme výsledky srovnatelné s předchozí prací a rozebrali jejich dopad a použití. Vytvořili jsme C# projekt pro rozpoznání hu- debních vlastností, který lze použít na platformě Unity. Zároveň jsme v Unity vytvořili ukázkovou scénu, která některé z těchto vlastností vizualizuje. 1
|
|
|
Enhancement Of Global Tempo Computation In Beat Tracking System Based On Teager-Kaiser Energy Operator
Ištvánek, Matěj
Beat detection systems and onset detections are used in music information retrieval (MIR) research field for the calculation of the global tempo (GT) and beat positions in audio recordings. The aim of this article is to introduce the enhancement of the onset detector and therefore the beat tracking system. The enhancement is based on the Teager-Kaiser energy operator (TKEO), which is used in pre-processing stage before the onset computation. The proposed method is firstly evaluated in terms of ability to estimate GT of a given audio track and then it is tested on the string quartet database. Results suggest that the TKEO could improve accuracy of GT estimation. Proposed beat tracking system could be used for analysis of interpretation changes in string quartet music.
|
host ::
RSS.