Klasifikace hudebních žánrů pomocí metod strojového učení

Abstract

Tato diplomová práce se zaměřuje na klasifikaci žánrů česky zpívaných písní. Cílem práce je prozkoumat a porovnat různé přístupy ke klasifikaci hudby pomocí metod strojového učení. Tyto přístupy jsou nejprve testovány na veřejně dostupném datasetu GTZAN a následně aplikovány na vlastní sadu českých skladeb. Klasifikace probíhá do deseti žánrů definovaných původním datasetem. Výsledky mohou sloužit jako základ pro budoucí využití např. pro automatické třídění hudby v médiích, jako je Český rozhlas.<br>Nejdříve se zkoumá vliv parametrů, jako je počet MFCC koeficientů, velikost Hannova okénka a velikost segmentu nahrávky, na výslednou úspěšnost klasifikace. Následuje část s příznakovým vektorem. Dále se klasifikuje mel-spektrogram pomocí klasické konvoluční neuronové sítě, dvouvětvové konvoluční neuronové sítě, modelu VGG16 s 1D vstupem a s 3D vstupem. Nakonec se klasifikují embeddingy extrahované pomocí modelů Music2Vec, MAEST a Jukebox. <br>Z výsledků je patrné, že rozdělení nahrávky na kratší segmenty je praktické. Zvětší se tím trénovací set a z predikce žánrů jednotlivých segmentů se lépe určí výsledný žánr celé nahrávky.