41、多声部音乐乐器识别与蛋白质 - 蛋白质相互作用预测研究

多声部音乐乐器识别与蛋白质 - 蛋白质相互作用预测研究

1. 多声部音乐乐器识别

在多声部音乐中进行乐器识别是一项具有挑战性的任务。以下为你详细介绍相关的研究内容。
- 数据集 ：实验采用的是 IRMAS 乐器数据集，包含 6705 个音频文件，这些文件是从 2000 多个不同录音中截取的 3 秒片段。数据集中涵盖了 11 种乐器，分别是大提琴、单簧管、长笛、原声吉他、电吉他、风琴、钢琴、萨克斯风、小号、小提琴和人声。
- 音频处理 ：对数据集进行修改，在不干扰音频数据实际特征的情况下，向数据集中的一小部分添加线性噪声。这样做是为了确保训练步骤中，模型是针对接近实时场景的数据进行训练。
- 构建数据集 ：
1. OneHotEncoding ：为类别标签分配数值，然后将其转换为每个标签对应的全零数组，标签索引位置为 1。神经网络的输出形状是一个长度为 11 的数组，每个索引代表一种乐器。手动进行标签编码，因为它能让我们灵活地修改数据集，如洗牌、划分训练集和测试集、添加噪声等。
2. 噪声增强和训练 - 测试划分 ：从之前导出的 .npy 文件构建数据集，将数据集按 4:1 的比例划分为训练集和测试集。仅对训练集的一小部分（35%）添加线性噪声，使音高增加噪声，但频率和 STFT 保持不变。使用 librosa 处理音频文件，并将处理后的 py 对象保存为 .npy 文件用于训练和测试。
- 训练配置 ：
-