Skip to Main content Skip to Navigation
Conference papers

Réseaux de neurones convolutifs et paramètres musicaux pour la classification en genres

Christine Sènac 1 Thomas Pellegrini 1 Julien Pinquier 1 Florian Mouret 2
2 IRIT-SC - Signal et Communications
IRIT - Institut de recherche en informatique de Toulouse
Résumé : Nous proposons d’utiliser des réseaux de neurones convolutifs (Convolutional Neural Networks (CNN)) pour la classification en genres musicaux. Mais contrairement à l’approche classique qui consiste à présenter un spectrogramme en entrée, nous choisissons un ensemble de paramètres musicaux selon trois dimensions musicales : la dynamique, le timbre et la tonalité. Avec une topologie de CNN appropriée, les résultats montrent que huit paramètres musicaux sont plus efficaces que 513 fréquences d’un spectrogramme et que la fusion tardive des systèmes basés sur les deux types de caractéristiques permet d’atteindre un taux de bonne classification de 91% sur le corpus GTZAN.
Document type :
Conference papers
Complete list of metadatas

Cited literature [18 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-02871339
Contributor : Open Archive Toulouse Archive Ouverte (oatao) <>
Submitted on : Wednesday, June 17, 2020 - 11:18:46 AM
Last modification on : Tuesday, June 23, 2020 - 3:45:12 AM

File

senac_22108.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-02871339, version 1
  • OATAO : 22108

Citation

Christine Sènac, Thomas Pellegrini, Julien Pinquier, Florian Mouret. Réseaux de neurones convolutifs et paramètres musicaux pour la classification en genres. XXVIe Colloque GRETSI sur le Traitement du Signal et des Images (GRETSI 2017), Sep 2017, Juan-les-pins, France. pp.1-5. ⟨hal-02871339⟩

Share

Metrics

Record views

8

Files downloads

19