文献

J-GLOBAL ID：201702288813656893   整理番号：17A1033941

深部ランキング:音楽計量学習のための三重項MatchNet【Powered by NICT】

Deep ranking: Triplet MatchNet for music metric learning

著者 (4件)： Lu Rui (Department of Automation, Tsinghua University, State Key Lab of Intelligent Technologies and Systems, Tsinghua National Laboratory for Information Science and Technology (TNList), Beijing, China) ,  Wu Kailun (Department of Automation, Tsinghua University, State Key Lab of Intelligent Technologies and Systems, Tsinghua National Laboratory for Information Science and Technology (TNList), Beijing, China) ,  Duan Zhiyao (Department of Electrical and Computer Engineering, University of Rochester, NY USA) ,  Zhang Changshui (Department of Automation, Tsinghua University, State Key Lab of Intelligent Technologies and Systems, Tsinghua National Laboratory for Information Science and Technology (TNList), Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 121-125  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 音楽のためのメトリック学習は音楽生成,解析,検索,分類と推薦などの多くの音楽情報検索(MIR)応用のための重要な問題である。伝統音楽計量は大部分が手製オーディオ特徴の線形変換上で定義された,多種多様な音楽スタイルと計装の与えられた多くの状況において不適切である可能性がある。本論文では,三重項MatchNetは教師つき方式において人間による注釈付き相対的類似性を持つ三重項音楽抜粋の生音声信号から直接計量を学習に深層ニューラルネットワークを提案した。このエンドツーエンドアーキテクチャにおける高度に非線形な特徴表現と計量を学習の利点を有している。広く使用されている音楽類似性測度データセット上での実験を行い,提案手法では,三種類の最先端レベル音楽メトリック学習法の性能を上回ることを示した。実験は,学習された特徴は,手製特徴よりも相対的類似性の半順序の保存性を高めることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 類似性 ,  *学習 ,  ニューラルネットワーク ,  半順序 ,  アノテーション ,  *三重項 ,  オーディオ機器 ,  *等級づけ ,  音声信号 ,  測度 ,  一次変換 ,  *音楽
準シソーラス用語： 特徴表現 ,  音楽情報検索 ,  メトリック学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 深部 ,  ランキング ,  音楽 ,  計量 ,  学習 ,  三重項