Predição de gêneros musicais utilizando técnicas de aprendizado de máquina

  • Cleyton Dim Universidade Federal do Pará
  • Luiz Alves Universidade Federal de Rondônia
  • Pedro Sousa Universidade Federal do Pará

Resumo


A Internet disponibiliza uma enorme quantidade de arquivos de áudio espalhados por inúmeros serviços, muitas vezes identificar e organizar estes arquivos por gênero musical é fundamental para traçar um perfil de usuário e disponibilizar um serviço personalizado. Este trabalho pretende criar um método de classificação capaz de identificar 6 classes diferentes de gêneros musicais (música clássica, jazz, blues, pop, rock e heavy metal) de forma automática. A solução proposta apoia-se em técnicas de aprendizado de máquina, utilizando a combinação de um modelo de base (Random Forest) com modelos específicos para os gêneros Metal, Rock e Pop. A acurácia máxima alcançada pelo modelo combinado foi de 80,64%.

Palavras-chave: Predição musical, Classificação de som

Referências

Bergamini, C. M., Araujo, P. V., and Motter, G. Modelos de aprendizagem de máquina na classificação de caracteres manuscritos. Synergismus scyentifica, pages 338–348.

Borges Jr, E., Simas Filho, E. F., and Fernandes Jr, A. C. L. (2014). Classificadores de gêneros musicais usando máquinas de vetor de suporte e redes neurais. In: CONGRESSO BRASILEIRO DE AUTOMÁTICA, 20, 2014, Belo Horizonte: SBA, 1:1269–1276.

Figueiredo, U. R. (2017). Uma abordagem visual para classificação de gêneros musicais utilizando pontos-chave de um espectograma. [link]. 70 p. Trabalho de Conclusão de Curso (Graduação) – Universidade Federal do Rio de Janeiro, Escola Politécnica, Curso de Engenharia Eletrônica e de Computação, Rio de Janeiro, 2017.

Monard, M. and Baranauskas, J. (2003). Conceitos sobre aprendizado de máquina, chapter 4. Volume, 1:89–114.

Moreira, P. S. C. (2017). Mineração de dados aplicada à classificação automática de gêneros musicais.
Publicado
15/10/2019
DIM, Cleyton; ALVES, Luiz; SOUSA, Pedro. Predição de gêneros musicais utilizando técnicas de aprendizado de máquina. In: ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL E COMPUTACIONAL (ENIAC), 16. , 2019, Salvador. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2019 . p. 344-352. ISSN 2763-9061. DOI: https://doi.org/10.5753/eniac.2019.9296.