3.3 KiB
| title | localeTitle |
|---|---|
| Music Classification | تصنيف الموسيقى |
تصنيف الموسيقى
تصنيف الموسيقى هو مجال آخر حيث يمكن تطبيق استراتيجيات التعلم العميق من أجل تحقيق دقة تصنيف أعلى من طرق التعلم الآلي التقليدية. يمكن استخدام الشبكات العصبية العميقة التي كانت تستخدم في الأصل في التعرف على الصور ومهام رؤية الكمبيوتر لتصنيف الموسيقى من خلال استخدام الطيف الترددي. إن المخطط الطيفي ليس سوى تمثيل مرئي لطيف الترددات الموجودة في الموسيقى على مدى فترة من الزمن. وبعبارة أخرى ، يمكن فصل الإشارة الموسيقية التي هي تردد ناتج ، إلى نطاق تردداتها ويمكن تمثيل جهارة الصوت من حيث dB في كل تردد. يمكن استخدام هذه الصورة لتدريب شبكة عصبية تصنف مثل هذه الطيف. حالة استخدام كبيرة هي التعرف على النوع.
و follwing هي أمثلة على طيفي مختلف:
المخطط الطيفي أعلاه هو أغنية من نوع البلوز. ترددات على طول المحور ص ، والوقت على محور س. وتمثل الألوان الأكثر إشراقا أن صوت هذا التردد مرتفع للغاية في حين أن الألوان الداكنة تمثل أنها ناعمة عند هذه النقاط الزمنية المحددة. يمكن استخدام مثل هذه الصورة التي تحتوي على الكثير من البيانات لتدريب الشبكة العصبية. نحن نستخدم بشكل عام طيفًا ذا مقياس متناهي الصغر بغرض التعرف على النوع ، وهو مقياس للمقاييس التي يحكمها المستمعون ، أي كيف نتصور هذه الترددات للتمييز بين مكونات الأنواع المختلفة.
يحول فورييه
من التفاصيل المهمة التي يجب معرفتها هي أن مثل هذه الطيفيات يتم إنشاؤها بمساعدة مفهوم رياضي يعرف باسم تحويلات فورييه. يؤدي تحويل فورييه إلى تحلل وظيفة الوقت في الترددات التي تصنعها.
معلومات اكثر
إذا كنت تستخدم python ، فهناك العديد من المكتبات لمعالجة الإشارات. Librosa هو واحد مشهور ، وآخر هو scipy والتي يمكن استخدامها أيضا لأغراض علمية أخرى. يمكن إنشاء مخططات طيف ميل (mel-spectrograms) للاستفادة من هذه المكتبات.