基于改进CNN卷积神经网络的音乐识别模型构建

摘要

针对音乐识别准确率低的问题，提出一种基于深度哈希学习的音乐识别方法。通过预处理音乐信号获取梅尔声谱图，将其作为CNN的输入，并在卷积层提取卷积特征图；然后利用卷积特征图的空间细节和语义信息，将其输入到LSTM和哈希层。对损失函数进行改进，并保留哈希码语义相似性和平衡性；在以上基础上，使用softmax对特征图进行识别和分类。通过对比实验证明，基于深度哈希学习的音乐识别方法比其他方法效果更好，性能更佳。

关键词

卷积层 / 特征图 / 哈希 / LSTM / 损失函数

基金资助

宝鸡文理学院校级重点教改项目（20JGZD04）; 陕西省教育科学“十三五”规划2020年度课题（SGH20Y1283）