Resumen

La extracción automática de características a partir de la información armónica de audio musical se considera en este artículo. La obtención automática de información relevante es necesaria no solo para el análisis, sino también para cuestiones comerciales como programas de música para tutoría y generación de partituras. Se consideran dos aspectos de la armonía, acordes y tonalidad global, enfrentando el problema de extracción mediante algoritmos de aprendizaje automático. La contribución aquí es reconocer los acordes en la música a través del método de extracción de características (modelos vocales) que funcionan mejor que los métodos manuales. El modelado llevado a cabo secuencias de acordes, obtenidas de forma cuadro por cuadro, que es conocido en el reconocimiento del sistema de acordes. Técnicas de aprendizaje automático como la red neuronal convolucional (CNN) extraerán sistemáticamente la secuencia de acordes para lograr un modelo de contexto superior. Luego, se utiliza la clasificación tradicional para crear el clasificador de tonalidad que es mejor que otros o que el manual. Los conjuntos de datos

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Extracción; Características; Información armónica; Audio musical; Aprendizaje automático; Acorde
• Keywords:Extraction; Features; Harmonic information; Music audio; Machine learning; Chord