抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
音楽情報検索分野の一タスクとして,音楽アーティスト分類が知られている.近年では,計算機の演算能力の向上により,深層学習を用いて音楽アーティスト分類タスクを解くことが可能になり,研究が行われている.しかし,実世界のタスクではアーティストの判明した作品数が少なく,Few-Shotの条件になることも少なくない.一方で,Few-Shot音楽アーティスト分類に関する研究はほぼ行われていない.本研究はCRNNによる音楽アーティスト分類手法及び画像分類分野で広く使われている複数のFew-Shot学習手法を組み合わせ,Few-Shot音楽アーティスト分類タスクを解くことを試みた.本研究で行われた実験より,Matching Network・Prototypical network及びRelation Networkの手法はFew-Shot音楽アーティスト分類タスクに有効であることが示された.しかしながら,Few-Shot画像分類タスクで上述の手法とほぼ同じパフォーマンスを示したBaseline++はFew-Shot音楽アーティスト分類のタスクで良い結果を達成できなかった.音楽アーティスト分類と画像分類のドメイン差が示された.(著者抄録)