Reconhecimento automático de gêneros musicais utilizando classificadores baseados em múltiplas características

Luiz Eduardo Romano, André Gustavo Adami
2015 Revista Brasileira de Computação Aplicada  
Resumo: O reconhecimento de gêneros musicais é um importante problema de pesquisa que tem recebido muita atenção de pesquisadores e profissionais de música. Os benefícios dessa área podem ser aplicados em diversas tarefas, como na organização de bases de áudios digitais, na construção de novos mecanismos de buscas e recomendações de músicas. Este artigo propõe um método para reconhecimento automático de gêneros musicais baseado na variação da arquitetura padrão dos sistemas de reconhecimento de
more » ... gêneros musicais, envolvendo técnicas como extração por segmentos, sistemas multiexpert e combinação de classificadores (paramétricos e não paramétricos). O reconhecedor foi avaliado em uma base de gêneros musicais própria extraída de um website de recomendações musicais e na base GTZAN, com dez gêneros musicais cada, onde obteve uma taxa de reconhecimento de 46,2% e 75,1%, respectivamente. Palavras-chave: Processamento de sinais. Reconhecimento de gêneros musicais. Reconhecimento estatístico de padrões. Abstract: Automatic music genre recognition is an important research topic that has received much attention from researchers and digital music professionals. The benefits of such field can be applied to various tasks, such as in the organization of digital audio databases, in building new search engines and music recommendations. This paper proposes a method to automatically recognize musical genres based on a variation of the standard architecture of music genre recognize systems that combines extraction per segment, multiexpert systems and ensemble of classifiers (parametric and non-parametric). The recognizer was evaluated on an experimental built from a music recommendation service website and on the GTZAN music genre databases, with 10 musical genres each, achieving a recognition rate of 46.2% and 75.1%, respectively.
doi:10.5335/rbca.2015.4281 fatcat:gcy42f7ounbexbzdsc37itkswi