지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2021.7
- 수록면
- 490 - 496 (7page)
- DOI
- 10.5302/J.ICROS.2021.21.0041
이용수
초록· 키워드
오류제보하기
In this paper, we propose an N-genre music classification model and ensemble models that can more accurately classify 10 music genres based on the proposed N-genre model. The GTZAN data set is used as the music data set, and different MFCC-based color maps are compared to identify the one that produces the best classification accuracy. Two methods of model learning are used: (i) using a 30 s long music image and (ii) using a 5 s long music image, wherein the latter utilizes the voting method. The classification accuracy of these two methods is compared. Among the various types of MFCC-based color maps, the gist-rainbow method with better classification accuracy is chosen, and the 3-genre classification model is actually selected among several N-genre classification models. Furthermore, ensemble models overlapped for four genres is proposed and their classification accuracies are compared. Ensemble Model II, using the voting method, obtains an accuracy of 92.0% for the GTZAN data set. The classification accuracy of the proposed ensemble model II is compared with the those of the other reported models.
목차
Abstract
I. 서론
II. 데이터 셋 및 특징 추출 방법
III. N-장르 분류 모델 및 앙상블 모델 기반 음악 장르 분류기
IV. 결론
REFERENCES
참고문헌 (22)
참고문헌 신청
M. G. Cho and H. S. Park, “Real-time autonomous dancing robot system based on convolutional neural network,” Journal of Institute of Control, Robotics and Systems (in Korean), vol. 23, no. 5, pp. 373-382, 2017. DOI : 10.5302/J.ICROS.2017.17.0066
B. Liang and M. GuMusic, “Music genre classification using transfer learning,” 2020 IEEE Conference on Multimedia Information Processing and Retrieval (MIPR), Shenzhen, China, pp.392-393, 2020. DOI: 10.1109/MIPR49039.2020.00085
J. Pons, O, Nieto, M. Prockup, E. Schmidt, A. Ehmann, and X. Serra, “End-to-End learning for music audio tagging at scale,” 19th International Society for Music Information Retrieval Conference, Paris, France, pp. 637-644, 2018.
H. Lee, P. Pham, Y. Largman, and A.Y. Ng, “Unsupervised feature learning for audio classification using convolutional deep belief networks,” Proceedings of the 22nd International Conference on Neural Information Processing Systems, pp. 1096-1104, Dec. 2009.
J. Bae and J. Y. Kim, “Deep learning music genre automatic classification voting system using softmax,” Journal of the Korea Institute of Information and Communication Engineering, vol. 23, no. 1, pp. 27-32, 2019. DOI : 10.6109/jkiice.2019.23.1.27
B. Liang and M. GuMusic, “Music genre classification using transfer learning,” 2020 IEEE Conference on Multimedia Information Processing and Retrieval (MIPR), Shenzhen, China, pp.392-393, 2020. DOI: 10.1109/MIPR49039.2020.00085
J. Pons, O, Nieto, M. Prockup, E. Schmidt, A. Ehmann, and X. Serra, “End-to-End learning for music audio tagging at scale,” 19th International Society for Music Information Retrieval Conference, Paris, France, pp. 637-644, 2018.
H. Lee, P. Pham, Y. Largman, and A.Y. Ng, “Unsupervised feature learning for audio classification using convolutional deep belief networks,” Proceedings of the 22nd International Conference on Neural Information Processing Systems, pp. 1096-1104, Dec. 2009.
J. Bae and J. Y. Kim, “Deep learning music genre automatic classification voting system using softmax,” Journal of the Korea Institute of Information and Communication Engineering, vol. 23, no. 1, pp. 27-32, 2019. DOI : 10.6109/jkiice.2019.23.1.27
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Music Genre Classification Using Multiple Musical Visual Features
대한전자공학회 학술대회
2022 .06
-
딥러닝을 이용한 음악 장르 분류
한국정보과학회 학술발표논문집
2017 .12
-
Color MFCC Image를 사용한 음악 장르 분류
대한전자공학회 학술대회
2020 .11
-
스펙트로그램과 심층 신경망을 이용한 온라인 오디오 장르 분류
방송공학회논문지
2016 .11
-
Improving the Performance of Music Genre Classification through Exploiting Artist Information
대한산업공학회 추계학술대회 논문집
2022 .11
-
Music Genre Classification using CNN architecture with feature concatenation
한국지능정보시스템학회 학술대회논문집
2021 .12
-
A New Image Classification Method
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2021 .02
-
머신러닝 기반 음악 장르 분류에 대한 연구
한국산학기술학회 논문지
2024 .06
-
Client-driven Music Genre Classification Framework
한국방송미디어공학회 학술발표대회 논문집
2020 .07
-
스파이크그램과 심층 신경망을 이용한 음악 장르 분류
방송공학회논문지
2017 .11
-
음악 장르 분류를 위한 이미지 증강 기반 자기 지도 학습
한국정보과학회 학술발표논문집
2024 .06
-
음악 감성과 장르 자동 분류를 위한 데이터셋 구축과 평가
한국차세대컴퓨팅학회 논문지
2023 .06
-
Convolutional Neural Network 기반 실시간 자율 댄싱 로봇 시스템
제어로봇시스템학회 논문지
2017 .05
-
생성적 적대 신경망(GAN)을 이용한 딥러닝 음악 장르 분류 시스템 모델 개선
한국정보통신학회논문지
2020 .07
-
로파이 힙합의 사례로 본 장르 유동성 양상 연구
한국산학기술학회 논문지
2024 .08
-
군집화를 이용한 앙상블 기반 분류모델의 설계 및 구현
한국컴퓨터정보학회논문지
2015 .10
-
Few-shot Learning-Based Image Classification
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2022 .01
-
Ensemble Methods Applied to Classification Problem
International journal of internet, broadcasting and communication : IJIBC
2019 .01
-
Ensemble of Support Vector Machine and Meta classification
한국통신학회 학술대회논문집
2018 .06
-
딥러닝 기반 앙상블을 이용한 유방암 분류
보건정보통계학회지
2018 .01
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2021-003-001844810