基于标签深度分析的音乐自动标注算法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 论文研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的研究内容 | 第12-13页 |
| 1.4 本文的内容与组织架构 | 第13-14页 |
| 第二章 音乐标注背景与相关问题 | 第14-19页 |
| 2.1 音乐自动标注与音乐标签 | 第14-15页 |
| 2.2 标注策略 | 第15-16页 |
| 2.3 卷积神经网络 | 第16-17页 |
| 2.4 音乐标注算法评估指标 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 真实标注数据集分析 | 第19-29页 |
| 3.1 百万音乐数据集中标签共现 | 第19-21页 |
| 3.2 标签噪声测量与标签可标注能力 | 第21-24页 |
| 3.3 标签噪声对训练影响的分析 | 第24-28页 |
| 3.3.1 网络架构选取 | 第24-25页 |
| 3.3.2 标签训练表现 | 第25-26页 |
| 3.3.3 标签表现差异分析 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 基于标签深度分析的音乐自动标注算法 | 第29-40页 |
| 4.1 音频特征提取 | 第30-31页 |
| 4.2 标签向量提取 | 第31-37页 |
| 4.2.1 标签向量提取网络 | 第32-33页 |
| 4.2.2 标签向量合理性验证 | 第33-35页 |
| 4.2.3 音频标签向量生成 | 第35-37页 |
| 4.3 特征聚合 | 第37-38页 |
| 4.4 最终标签预测 | 第38页 |
| 4.5 本章小结 | 第38-40页 |
| 第五章 实验和讨论 | 第40-48页 |
| 5.1 数据集 | 第40-41页 |
| 5.2 训练细节 | 第41页 |
| 5.3 多层级特征聚合有效性验证 | 第41-43页 |
| 5.4 标签向量影响实验 | 第43-45页 |
| 5.4.1 标签向量对算法鲁棒性的影响 | 第43-44页 |
| 5.4.2 标签向量对各个标签影响 | 第44-45页 |
| 5.5 基于标签深度分析的音乐标注算法实验 | 第45-46页 |
| 5.6 本章小结 | 第46-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-57页 |
| 攻读硕士学位期间取得的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
| 附件 | 第59页 |
