Klasifikace hudebních souborů pomocí strojového učení
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Tato práce se zabývá klasifikací hudebních souborů pomocí algoritmů strojového učení. V práci bylo porovnáno sedm klasifikačních algoritmů z hlediska úspěšnosti klasifikace a rychlosti zpracování na třech datových sadách. Využity byly dvě metody pro extrakci atributů, dvě metody pro selekci atributů a dvě metody optimalizace parametrů. Nejvíce se osvědčil model XGBClassifier, který dosáhl úspěšnosti klasifikace 87.56 % na datové sadě Extended Ballroom Dataset, 64.56 % na datové sadě FMA: A Dataset For Music Analysis a 83.50 % na datové sadě GTZAN. Tento model může být využit při tvorbě seznamů skladeb či kategorizaci hudební databáze.
This thesis is focused on classification of music files using machine learning algorithms. Seven classifiers were compared in this thesis, based on classification accuracy and speed. Two feature extraction methods, two feature selection methods and two parameter optimization methods were used. The best classifier proved to be XGBClassifier, which had reached accuracy of 87.56 % on dataset Extended Ballroom Dataset, 64.56 % on dataset FMA: A Dataset For Music Analysis and 83.50 % on dataset GTZAN. This model could be used for playlist creation or music database categorization.
This thesis is focused on classification of music files using machine learning algorithms. Seven classifiers were compared in this thesis, based on classification accuracy and speed. Two feature extraction methods, two feature selection methods and two parameter optimization methods were used. The best classifier proved to be XGBClassifier, which had reached accuracy of 87.56 % on dataset Extended Ballroom Dataset, 64.56 % on dataset FMA: A Dataset For Music Analysis and 83.50 % on dataset GTZAN. This model could be used for playlist creation or music database categorization.
Description
Citation
SLÁDEK, M. Klasifikace hudebních souborů pomocí strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
doc. Ing. František Zbořil, Ph.D. (předseda)
doc. Ing. Lukáš Burget, Ph.D. (místopředseda)
doc. Ing. Vladimír Drábek, CSc. (člen)
Ing. Matěj Grégr, Ph.D. (člen)
Dr. Ing. Petr Peringer (člen)
Date of acceptance
2020-08-25
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm C. Otázky u obhajoby: V práci popisujete extrakci atributů z hlediska časové oblasti. Zohledňujete ve svých klasifikátorech také změnu extrahovaných atributů v různých časových oblastech hudebního souboru? Jak toto může ovlivnit klasifikaci, pokud soubor obsahuje například několik časově navazujících hudebních žánrů? Jakým způsobem provádíte klasifikaci? Jaké atributy používáte?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení