Pantheon Institutional repository
Collect, preserve and disseminate digital academic production in all areas of knowledge.
Comprise the assets of the repository, in addition to theses and dissertations at UFRJ, scientific articles, electronic books, book chapters and papers presented at events for teachers, researchers, administrative staff and students of master's and doctoral degrees.
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11422/15782| Type: | Trabalho de conclusão de graduação |
| Title: | Recuperação de informações musicais: uma abordagem utilizando deep learning |
| Other Titles: | Music Information Retrieval: a deep learning approach |
| Author(s)/Inventor(s): | Guimarães, Heitor Rodrigues |
| Advisor: | Marroquim, Ricardo Guerra |
| Abstract: | A distribuição em larga escala de músicas em formato digital representou um marco para a indústria do entretenimento e o relacionamento com seus consumidores no século XXI. Para atender tais demandas houve um amplo investimento em Pesquisa e Desenvolvimento (P&D) na área de processamento de sinais e de Recuperação de Informações Musicais. Técnicas de recomendação baseadas em conteúdo são cada vez mais importantes para a sugestão de novos conteúdos e uma melhor experiência de seus clientes. Saber categorizar o áudio por suas propriedades é de fundamental importância para sugerir e agrupar músicas. Mesmo sendo possível a caracterização de uma música por propriedades estatísticas como instrumentação e estrutra rítmica, a classificação de gêneros musicais é uma tarefa difícil e de caráter subjetivo. O objetivo deste trabalho é propor e implementar uma metodologia para a classificação de gêneros musicais utilizando Redes Neurais Convolucionais em diferentes conjuntos de áudios, com o mínimo de pré-processamento possível, e comparar aspectos dessa abordagem com as técnicas clássicas de Machine Learning, onde precisamos projetar cuidadosamente cada feature do áudio. |
| Keywords: | Aprendizado Profundo CNN MIR Classificação de Gêneros Musicais |
| Subject CNPq: | CNPQ::ENGENHARIAS |
| Production unit: | Escola Politécnica |
| Publisher: | Universidade Federal do Rio de Janeiro |
| Issue Date: | Sep-2018 |
| Publisher country: | Brasil |
| Language: | por |
| Right access: | Acesso Aberto |
| Appears in Collections: | Engenharia de Computação e Informação |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| monopoli10025687.pdf | 2.5 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.