文献类型：期刊文献

中文题名：基于降噪自动编码器特征学习的音乐自动标注算法

英文题名：Feature Learning for Music Auto-Tagging Using Denoising Autoencoder

作者：黎鹏[1];陈宁[1]

机构：[1]华东理工大学信息科学与工程学院,上海200237

年份：2017

卷号：43

期号：2

起止页码：241

中文期刊名：华东理工大学学报（自然科学版）

外文期刊名：Journal of East China University of Science and Technology

收录：CSTPCD;;Scopus;北大核心:【北大核心2014】；CSCD:【CSCD_E2017_2018】；

基金：国家自然科学基金(61271349)

语种：中文

中文关键词：深度学习;音乐自动标注;降噪自动编码器;多层感知机

外文关键词：deep learning; music auto-tagging; denoising autoencoder; multilayer perceptron

摘要：目前,音乐自动标注模型大多采用手动设计模式,因而存在最佳特征难以选择的问题。提出了一种基于非监督学习的特征学习算法,该算法能自动学习特征的潜在结构而不需要依赖先验知识。首先,预处理阶段主要提取音乐的音级轮廓频率谱并进行PCA白化降维处理;然后,采用深度学习中的降噪自动编码器算法对降维后的特征进行无监督的学习,并采用最大值池化和取均值来聚合得到新的特征向量;最后,将特征向量和标签送入多层感知机中进行有监督的学习。基于Magnatagatune和GTZAN数据库的实验结果表明,本文算法在一定程度上提高了音乐自动标注的准确率。
At present,the models used in music auto-tagging are mostly hand-engineered, so the choice of the optimal feature is always difficult. We propose an unsupervised feature learning algorithm,which can automatically learn the underlying structure of feature without prior know l e d g e. T h e algorithm is achieved in three stages. The preprocessing stage extracts the chroma-frequency spectrogram, and reduces the dimensionality via PCA whitening. T h e second stage applies the denoising autoencoder to the reduced feature in an unsupervised m a n n e r , and aggregates a n e w feature vector by max-pooling function and averaging. The last stage m a p s the feature vector to song labels by pre-trained multilayer perceptron （MLP ） in a supervised m a n n e r . T h e result based on the Magnatagatune and G T Z A N datasets s h o w s that our algorithm improves the accuracy of music auto-tagging to s o m e degree.