Αναγνώριση συγχορδιών με τη χρήση μοντέλων βαθιάς μάθησης

Αϊδίνης, Αθανάσιος; Aidinis, Athanasios

dc.contributor.author	Αϊδίνης, Αθανάσιος	el
dc.contributor.author	Aidinis, Athanasios	en
dc.date.accessioned	2025-01-08T11:12:32Z
dc.date.available	2025-01-08T11:12:32Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/60651
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.28347
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) "Επιστήμη Δεδομένων και Μηχανική Μάθηση"	el
dc.rights	Default License
dc.subject	Audio chord estimation	en
dc.subject	Deep learning	en
dc.subject	Cnn	en
dc.subject	Neural networks	en
dc.subject	Transfer learning	en
dc.subject	Εκτίµηση συγχορδιών από ήχο	el
dc.subject	Βαθιά μάθηση	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Μεταφορά μάθησης	el
dc.subject	Συνελικτικά δίκτυα	el
dc.title	Αναγνώριση συγχορδιών με τη χρήση μοντέλων βαθιάς μάθησης	el
dc.title	Chord Recognition using Deep Learning Techniques	en
heal.type	masterThesis
heal.classification	Μηχανική μάθηση	el
heal.classification	Machine learning	en
heal.language	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-07-16
heal.abstract	Η παϱούσα διπλωµατική εργασία παϱουσιάϹει µια καινοτόµα προσέγγιση για την αναγνώριση συγχορδιών από ήχο, µε στόχο την αυτόµατη ταυτοποίηση και ταξινόµηση των ϐασικών δοµών συγχορδιών σε µουσικά κοµµάτια. Αξιοποιώντας Συνελικτικά Νευρωνικά ∆ίκτυα (CNNs) µε ∆ισδιάστατες Στρώσεις Μακροπρόθεσµης Βραχυπρόθεσµης Μνήµης (biLSTM), προχωρηµένη διαδικασία εξαγωγής χαρακτηριστικών, και τεχνικές µετά-επεξεϱγασίας ϐασισµένες στη µουσική ϑεωρία, η έρευνά µας συµβάλει στην ϐελτίωση της ακϱίϐειας και της ανθεκτικότητας των συστηµάτων αναγνώρισης συγχορδιών. Με την εξαγωγή χαρακτηριστικών από αναπαραστάσεις συγχορδιών όπως η ϱίϹα, το µπάσο και οι ποιότητες τριάδας, και την τµηµατοποίηση του προβλήµατος σε διακριτά συστατικά, το πλαίσιο µας ϑέτει γεϱά ϑεµέλια για την ενίσχυση την ακϱίϐεια της αναγνώρισης συγχορδιών. Επιπλέον, χρησιµοποιούµε τεχνικές µεταϕοϱάς µάϑησης (Transfer Learning) για να εκµεταλλευτούµε πϱοεκπαιδευµένα µοντέλα, τα οποία προσαρµόζουµε για τη συγκεκριµένη µας εργασία µεϱών των συγχορδιών, ϐελτιώνοντας έτσι τη γενίκευση και την ανθεκτικότητα. Επιπρόσθετα, η έρευνά µας εξετάζει διάφορους µετασχηµατισµούς Fourier για την εξαγωγή χαρακτηριστικών, συµπεριλαµβανοµένων των Βραχυπρόθεσµων Μετασχηµατισµών Fourier (STFT) και του Συνεχούς Μετασχηµατισµού Q (CQT), για να συλλάβει ϐασικές πληροφορίες από τα ηχητικά σήµατα και να ϐελτιστοποιήσει την απόδοση της αναγνώρισης συγχορδιών. Μέσα από εκτεταµένα πειράµατα και αξιολόγηση διαφορετικών διαµορφώσεων CNN και biLSTM, καθώς και τεχνικών µετά-επεξεϱγασίας, η προσέγγισή µας επιδεικνύει σηµαντικά σηµεία ϐελτίωσης στην ακϱίϐεια αναγνώρισης συγχορδιών. Συνολικά, αυτή η έρευνα συµβάλλει ένα ολοκληϱωµένο πλαίσιο που αξιοποιεί µεϑοδολογίες ϐαθιάς µάϑησης, προηγµένη µηχανική χαρακτηριστικών και τεχνικές µετά-επεξεϱγασίας, αναδεικνύοντας το δυναµικό της να προωθήσει τα συστήµατα ανάκτησης µουσικών πληροφοριών.	el
heal.abstract	This thesis presents an innovative approach to audio chord recognition, aiming to automatically identify and classify fundamental chord structures within music pieces. Leveraging Convolutional Neural Networks (CNNs) with Bidirectional Long Short-Term Memory (biLSTM) layers, advanced feature engineering, and post-processing techniques rooted in music theory, our research enhances the accuracy and robustness of chord recognition systems. By extracting features from chord representations such as root, bass, and triad qualities, and segmenting the problem into distinct components, our framework creates a solid ground to enhance the accuracy of chord recognition. Additionally, we employ transfer learning techniques to capitalize on pre-trained models, fine-tuning them for our specific chord recognition task, thus improving generalization and robustness. Moreover, our exploration encompasses various Fourier transforms for feature extraction, including Short-Time Fourier Transform (STFT) and Constant Q Transform (CQT), to capture essential information from audio signals and optimize chord recognition performance. Through extensive experimentation and evaluation of different CNN and biLSTM configurations, as well as post-processing techniques, our approach demonstrates significant enhancements in several aspectes of chord recognition. Overall, this research contributes a comprehensive framework that leverages deep learning methodologies, sophisticated feature engineering, and post-processing techniques, showcasing its potential to advance music information retrieval systems.	en
heal.advisorName	Βουλόδημος, Αθανάσιος	el
heal.advisorName	Voulodimos, Athanasios	en
heal.committeeMemberName	Βουλόδημος, Αθανάσιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας Γεώργιος	el
heal.committeeMemberName	Stafylopatis, Andreas Georgios	en
heal.committeeMemberName	Voulodimos, Athanasios	en
heal.committeeMemberName	Stamou, Georgios	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.fullTextAvailability	false