Estimativa de andamento musical através de escalogramas wavelet e redes neurais convolucionais

• Ano de defesa: 2023
• Autor(a) principal: Viana, Luiz Alberto Guimarães
• Orientador(a): Fernandes Júnior, Antônio Carlos Lopes
• Banca de defesa: Fernandes Júnior, Antônio Carlos Lopes, Simas Filho, Eduardo Furtado de, Montalvão Filho, Jugurta Rosa, Prates, Ricardo Menezes, Attux, Romis Ribeiro de Fassoil
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal da Bahia
• Programa de Pós-Graduação: Departamento de Engenharia Elétrica (DEEC)
• Departamento: Escola Politécnica
• País: Brasil
• Palavras-chave em Português: Andamento musical; Wavelet; Escalograma; Rede neural convolucional; Aumento artificial de dados
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: https://repositorio.ufba.br/handle/ri/36909

A estimativa de andamento é uma das tarefas mais fundamentais da Recuperação da Informação Musical (MIR - Musical Information Retrieval). Neste trabalho foi utilizada uma representação do sinal de áudio como uma imagem bidimensional através do escalograma wavelet. Foram testadas diferentes formas de geração do escalograma wavelet, variando a função wavelet analisadora e os níveis de escala. As imagens foram utilizadas para treinar uma Rede Neural Convolucional (CNN - Convolutional Neural Network) realizando um aprendizado supervisionado, relacionando a imagem com um valor de andamento alvo. O método de validação cruzada k-fold foi utilizado para gerar uma maior confiabilidade estatística do modelo proposto e definir o melhor resultado para as escolhas envolvendo os parâmetros de geração dos escalogramas. Foi implementado o aumento artificial de dados de forma online, modificando os escalogramas durante a rotina de treinamento. Por fim, o modelo foi avaliado em bancos de dados amplamente utilizados na literatura e os resultados foram comparados ao estado da arte. Resultados compatíveis ao estado da arte foram atingidos em um dos bancos de dados de avaliação, o "GiantSteps", atingindo uma acurácia (Tipo 2 - ACC2) de 92,6% com as wavelets analisadoras Morlet e Shannon.