基于深度神经网络的音乐自动标注技术研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外发展现状 | 第12-14页 |
| 1.3 研究内容概述 | 第14-15页 |
| 1.4 论文结构 | 第15-17页 |
| 第二章 音乐自动标注任务及相关技术 | 第17-41页 |
| 2.1 传统音乐自动标注模型 | 第17-25页 |
| 2.1.1 文本特征提取 | 第17-20页 |
| 2.1.2 音频特征提取 | 第20-23页 |
| 2.1.3 传统多标签分类器 | 第23-24页 |
| 2.1.4 传统模型的缺点 | 第24-25页 |
| 2.2 深度神经网络算法 | 第25-35页 |
| 2.2.1 算法概述 | 第25-26页 |
| 2.2.2 卷积神经网络 | 第26-30页 |
| 2.2.3 循环神经网络 | 第30-33页 |
| 2.2.4 神经网络的融合 | 第33-35页 |
| 2.3 音乐标注数据集 | 第35-38页 |
| 2.3.1 人工标注数据集 | 第36-37页 |
| 2.3.2 百度音乐标签数据集 | 第37-38页 |
| 2.4 评判标准 | 第38-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 基于歌词的音乐自动标注模型 | 第41-47页 |
| 3.1 基于字向量的深度学习音乐标注模型 | 第41-43页 |
| 3.1.1 歌词字向量 | 第41-42页 |
| 3.1.2 模型网络结构 | 第42-43页 |
| 3.2 实验结果与分析 | 第43-46页 |
| 3.3 本章小结 | 第46-47页 |
| 第四章 基于音频的音乐自动标注模型 | 第47-57页 |
| 4.1 基于卷积神经网络的音乐自动标注模型 | 第47-53页 |
| 4.1.1 百度音乐标签数据集实验 | 第48-49页 |
| 4.1.2 人工标注数据集实验 | 第49-53页 |
| 4.2 基于混合网络结构的音乐自动标注模型 | 第53-55页 |
| 4.2.1 模型网络结构 | 第53-55页 |
| 4.2.2 实验结果与分析 | 第55页 |
| 4.3 本章小结 | 第55-57页 |
| 第五章 多模态音乐自动标注模型 | 第57-63页 |
| 5.1 多模态音乐自动标注模型 | 第57-60页 |
| 5.1.1 批规范化 | 第57-59页 |
| 5.1.2 模型网络结构 | 第59-60页 |
| 5.2 实验结果与分析 | 第60页 |
| 5.3 本章小结 | 第60-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 本文研究工作总结 | 第63-64页 |
| 6.2 未来研究工作展望 | 第64-65页 |
| 参考文献 | 第65-73页 |
| 致谢 | 第73-75页 |
| 攻读学位期间发表的学术论文目录 | 第75页 |
