هندسة CNN على مستوى العينة لتسمية الموسيقى تلقائيًا باستخدام الموجات الخام

لقد أظهرت الأعمال الحديثة أن النهج من البداية إلى النهاية باستخدام الشبكات العصبية التلافيفية (CNN) فعال في أنواع مختلفة من مهام التعلم الآلي. بالنسبة للإشارات الصوتية، يأخذ هذا النهج الموجات الخام كمدخلات باستخدام طبقة تلافيفية 1-D. في هذه الورقة، نحسن بنية شبكة CNN 1-D لتسمية الموسيقى تلقائيًا من خلال اعتماد عناصر البناء من نماذج تصنيف الصور المتقدمة مثل ResNets وSENets، وإضافة تجميع خاصيات متعدد المستويات إليها. نقارن بين مجموعات مختلفة من الوحدات عند بناء هياكل CNN. تظهر النتائج أنها تحقق تحسينات كبيرة مقارنة بالنماذج السابقة المتقدمة على مجموعة بيانات MagnaTagATune، ونتائج قابلة للمقارنة على مجموعة بيانات Million Song. علاوة على ذلك، نقوم بتحليل وتصوير نموذجنا لنظهر كيف تعمل شبكة CNN 1-D.