Recuperação de informações musicais: uma abordagem utilizando deep learning

Guimarães, Heitor Rodrigues

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/15782

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Marroquim, Ricardo Guerra	-
dc.contributor.author	Guimarães, Heitor Rodrigues	-
dc.date.accessioned	2021-12-13T16:35:11Z	-
dc.date.available	2023-12-21T03:08:42Z	-
dc.date.issued	2018-09	-
dc.identifier.uri	http://hdl.handle.net/11422/15782	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Aprendizado Profundo	pt_BR
dc.subject	CNN	pt_BR
dc.subject	MIR	pt_BR
dc.subject	Classificação de Gêneros Musicais	pt_BR
dc.title	Recuperação de informações musicais: uma abordagem utilizando deep learning	pt_BR
dc.title.alternative	Music Information Retrieval: a deep learning approach	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.referee1	Resende Junior, Fernando Gil Vianna	-
dc.contributor.referee2	Maximo, André de Almeida	-
dc.description.resumo	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.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Escola Politécnica	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::ENGENHARIAS	pt_BR
dc.embargo.terms	aberto	pt_BR
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

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository