玩音乐,敲架子鼓,一个被“耽误了”的机器学习高手

举报
技术火炬手 发表于 2018/08/01 16:54:44 2018/08/01
【摘要】 多数伏在案前敲击键盘的程序员或许都曾憧憬:黑框眼镜、格子衬衫、脚踩凉拖背后的另一番模样的自己。 对于来自纽约的 Peter Sobot 而言,他的本职工作是通过机器学习系统为 Spotify 平台上的用户推荐音乐。但朝九晚五的工作之余,他还是一名鼓手兼音乐人,这也就意味着他需要经常创作各类电子音乐,当然,包括架子鼓等打击乐器在内。近日,Peter Sobot 在其博客中写道:“他利用机器学习...

多数伏在案前敲击键盘的程序员或许都曾憧憬:黑框眼镜、格子衬衫、脚踩凉拖背后的另一番模样的自己。

640?wx_fmt=gif

 

对于来自纽约的 Peter Sobot 而言,他的本职工作是通过机器学习系统为 Spotify 平台上的用户推荐音乐。但朝九晚五的工作之余,他还是一名鼓手兼音乐人,这也就意味着他需要经常创作各类电子音乐,当然,包括架子鼓等打击乐器在内。

近日,Peter Sobot 在其博客中写道:“他利用机器学习构建了一款应用程序,无论音频样本是底鼓、军鼓还是其他鼓,其识别准确率高达 87%。”


万万没想到,在工程师的手中,我们可以用机器学习搭建自己的音乐梦想!


需要了解的是,在现代电子音乐制作中,一般都会使用鼓声样片而不是真实的鼓手现场录音的旋律,而这些样片通常以商业性质出售,或者由音乐人免费在网上共享出来。不过,这样的样片却往往很难利用,问题就出在它们的标签和分类方式很难尽如人意。

640?wx_fmt=png

“每家公司都试图通过创建自己的样片夹专有格式,如 Native Instrument 的 Battery 或 Kontakt 格式。两者都使用元数据,并允许用户通过各种标签浏览样片。但这些软件包非常昂贵,且需要学习其任务流程。” Peter 写道。


于是,这位被音乐耽误了的工程师决定利用机器学习来尝试解决这一问题。


例如,以下给出的一段音频该如何判断究竟是是底鼓、军鼓、踩镲,还是别的音乐样本?


如果是人类,可以毫不费力地区分出这两种声音,但计算机却需要大量的训练。在机器学习中,这通常被称为分类问题,即机器需要注入数据并对其进行分类。在这其中,通常会涉及特征提取阶段。


Peter 指出,人类识别不同的鼓音会从以下几个特征判别:

一是整体文件长度。因为小鼓的声音要比踢鼓的声音持续时间更长,所以比较容易测量。


二是整体响度。实际上,由于电子音乐的大多数样本都是标准化的,这意味着不同样片中的鼓声响度会被调整统一。相反,可以使用“最大”、“中等”、“最小”三种响度以更好地了解响度是如何随时间变化的。


三是频率。如底鼓样片的低频音段会有很多,因其直径长,造成鼓声小而低沉。为了让机器学习算法学会这一点,需要将不同频率范围内的声音响度特征分类。


四是音高。尽管鼓是一款打击乐器,但仍可以调到各种音高。为了量化这种调整,可以采用样本的基频来帮助算法区分低音和高音。


接下来,就开始训练数据了。


据了解,Peter 从数万个样本中选取了大概每种乐器 20~30 个样本量,基本分为以下三种类型:一是每种乐器的不同类型的样本,如声学鼓、电子鼓;二是不同来源的音乐样本;三是非鼓声的音乐样本。


然后,他列出了 100 个样本夹,将大概 50 兆字节的样本数据归置于 5 个单独文件夹中,分别是:底鼓、小鼓、军鼓、踩镲、以及其他。


1、执行特征提取

据了解,这个 Python 库是由音频分析师 Brain McFee 等人创建的 librosa 。

(附上GitHub上的代码链接:https://github.com/psobot/machine-learning-for-drummers

640?wx_fmt=png

 

2、将提取特征保存在JSON文件夹中


3、将特征提供给决策树进行训练

以决策树为例,这是一种常见的机器学习算法,并不涉及“神经网络”、“深度学习”的范畴。简言之,决策树是一种以递归方式学习每个特征的阈值并将数据分类的系统。

 

640?wx_fmt=png

 

Peter 创建了一个决策树模型 classifier.py,其权重由导入的数据通过统计决定。以下为可视化模型:

 

640?wx_fmt=png

 

每个新样本都传递到该决策树中,并对提供的特征进行由上到下的评估。例如,如果新样本为 average_eq_2_10 ≤ -56.77 (如图中的顶部块所示),则决策树将向左移动,然后检查其 fundamental_5 特征。


如果执行 classifier.py ,会呈现两个列表:一是训练准确率(模型预测训练期间出现过的样本的准确率),二是测试准确率(模型预测训练期间未出现过的样本的准确率)。

 

640?wx_fmt=png

 

       据了解,Peter 分别获得了 100% 和 87% 的准确率。

 

      在他看来,13% 的错误率可能是过度拟合导致,因此,为了避免出现这种可能性,他采取了以下三种方式:

 

  1. 调整算法参数以使其不会太具体。

     

  2. 改变特征计算以便给算法注入更多数据,这部分数据或许对人类来说并不敏感,但在数学上有助于解决分类问题。


  3. 添加更多多样化的数据,以便决策树算法可以创建一种更通用的树,前提是现有数据并不完整。


       最后,附上这位小哥哥个人照,

 

640?wx_fmt=jpeg

 

以及博客链接:http://blog.petersobot.com/


本文章来源:CSDN社区,用户:AI科技大本营,版权归原作者所有

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。