[發(fā)明專利]音樂風(fēng)格分類方法、裝置、計(jì)算機(jī)設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201910366739.7
• 申請日: 2019-05-05
• 公開（公告）號: CN110188235A
• 公開（公告）日: 2019-08-30
• 發(fā)明（設(shè)計(jì)）人: 王健宗;劉奡智
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/65
• 分類號: G06F16/65;G06F16/683;G06N3/04
• 代理公司: 北京英特普羅知識產(chǎn)權(quán)代理有限公司 11015
• 代理人: 林彥之

1.音樂風(fēng)格分類方法，其特征在于，所述方法包括

獲取數(shù)據(jù)集，所述數(shù)據(jù)集由多種類型的音頻組成，各音頻的音樂風(fēng)格已知；

將所述數(shù)據(jù)集中的音頻進(jìn)行預(yù)處理后輸入預(yù)設(shè)的深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的網(wǎng)絡(luò)模型；

將待分類音頻進(jìn)行預(yù)處理，并輸入所述網(wǎng)絡(luò)模型得到待分類音頻的音樂風(fēng)格識別結(jié)果；

其中，所述預(yù)處理包括

分離被處理音頻的諧波音源與沖擊波音源；

將被處理音頻的原始音源、諧波音源與沖擊波音源均轉(zhuǎn)變?yōu)轭l譜圖。

2.由權(quán)利要求1所述的音樂風(fēng)格分類方法，其特征在于，所述分離被處理音頻的諧波音源與沖擊波音源具體包括

利用HPSS算法分離被處理音頻的諧波音源與沖擊波音源。

3.由權(quán)利要求1所述的音樂風(fēng)格分類方法，其特征在于，所述將被處理音頻的原始音源、諧波音源與沖擊波音源均轉(zhuǎn)變?yōu)轭l譜圖具體包括

對所述原始音源、諧波音源與沖擊波音源分別作短時(shí)傅里葉變換得到各自的頻譜圖。

4.由權(quán)利要求1所述的音樂風(fēng)格分類方法，其特征在于，所述深度卷積神經(jīng)網(wǎng)絡(luò)包括5個(gè)卷積層、2個(gè)池化層以及最后3層全連接層，其中前五層卷積層與池化層交替出現(xiàn)，所述輸入預(yù)設(shè)的深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括

利用所述數(shù)據(jù)集預(yù)處理后得到的頻譜圖集對深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行有監(jiān)督的學(xué)習(xí)，得到合適的權(quán)重參數(shù)矩陣和偏移量；

將權(quán)重參數(shù)矩陣和偏移量對應(yīng)地賦值給所述深度卷積神經(jīng)網(wǎng)絡(luò)的各個(gè)層。

5.由權(quán)利要求4所述的音樂風(fēng)格分類方法，其特征在于，所述對深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行有監(jiān)督的學(xué)習(xí)包括

將頻譜圖集中的頻譜圖輸入到所述深度卷積神經(jīng)網(wǎng)絡(luò)；

深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行前向傳播得出識別結(jié)果；其中，每個(gè)卷積層采用ReLU作為激活函數(shù)，每個(gè)所述卷積層與全連接層均具有dropout參數(shù)，卷積層的dropout為0.0005，全連接層的dropout為0.5；最后一層所述全連接層采用softmax函數(shù)進(jìn)行回歸；

判斷識別結(jié)果與實(shí)際音樂風(fēng)格是否相符；

若相符則停止訓(xùn)練，若不相符在反向傳播過程中采用隨機(jī)梯度下降算法進(jìn)行權(quán)重參數(shù)矩陣和偏移量的調(diào)整。

6.由權(quán)利要求4所述的音樂風(fēng)格分類方法，其特征在于，所述輸入所述網(wǎng)絡(luò)模型得到待分類音頻的音樂風(fēng)格識別結(jié)果包括

將輸入的頻譜圖歸一化為設(shè)定大小的圖像；

將經(jīng)過歸一化后的圖像進(jìn)行卷積計(jì)算；

將最后一層卷積層輸出的特征圖輸送至3層全連接層；

獲取最后一個(gè)全連接層的輸出作為識別結(jié)果。

7.由權(quán)利要求6所述的音樂風(fēng)格分類方法，其特征在于，所述將輸入的頻譜圖歸一化為設(shè)定大小的圖像具體為

將輸入的頻譜圖歸一化為256*256大小的圖像；

所述將經(jīng)過歸一化后的圖像進(jìn)行卷積計(jì)算包括

通過第一個(gè)卷積層利用96個(gè)大小為11*11，步長為4個(gè)像素的核對輸入的圖像進(jìn)行濾波；

通過第一個(gè)池化層將第一個(gè)卷積層的輸出作為輸入并和96個(gè)大小為3*3的核進(jìn)行濾波；

通過第二個(gè)卷積層利用256個(gè)大小為5*5的核對第一個(gè)池化層的輸出進(jìn)行濾波；

通過第二個(gè)池化層將第二個(gè)卷積層的輸出作為輸入并和256個(gè)大小為5*5的核進(jìn)行濾波；

將第二個(gè)池化層的輸出輸入第三個(gè)卷積層，并依次通過第三、第四、第五個(gè)卷積層進(jìn)行濾波操作最終獲得256個(gè)大小為6*6的特征圖；其中，第三個(gè)卷積層擁有384個(gè)大小為3*3的核，第三個(gè)卷積層擁有384個(gè)大小為3*3的核，第三個(gè)卷積層擁有256個(gè)大小為3*3的核。

8.一種音樂風(fēng)格分類裝置，其特征在于，其包括

獲取模塊，適于獲取數(shù)據(jù)集，所述數(shù)據(jù)集由多種類型的音頻組成，各音頻的音樂風(fēng)格已知；

訓(xùn)練模塊，適于將所述數(shù)據(jù)集中的音頻進(jìn)行預(yù)處理后輸入預(yù)設(shè)的深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的網(wǎng)絡(luò)模型；

識別模塊，適于將待分類音頻進(jìn)行預(yù)處理，并輸入所述網(wǎng)絡(luò)模型得到待分類音頻的音樂風(fēng)格識別結(jié)果。