Derin öğrenme ile müzik tür sınıflandırması
Music genre classification with deep learning
- Tez No: 728225
- Danışmanlar: PROF. DR. FIRAT HARDALAÇ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Sınıflandırma işleminin, öğrenme sürecini kolaylaştırması ve zamandan sağladığı tasarruf dikkate alındığında, bu işlemin müzik öğrenimindeki katkısı yadsınamaz. Müzik sınıflandırmasında en geçerli ve etkili yöntemlerden biri müzik tür sınıflandırmasıdır. Müzik üretiminin hız kazanması ve veri sayısındaki önemli artış göz önüne alındığında, müzik türlerini sınıflandırma süreci artık insanlar tarafından yapılamayacak kadar karmaşık bir hale gelmiştir. Derin sinir ağlarının bu alandaki başarılı sonuçları da göz önünde bulundurularak, on farklı müzik türünü sınıflandırabilen bir derin öğrenme algoritması geliştirilmesi hedeflenmektedir. Çalışmada on farklı müzik türünü (blues, klasik, country, disko, hiphop, caz, metal, pop, reggae, rock) içeren GTZAN veri seti üzerinde işlemler yapılmıştır. Öznitelik olarak mel frekansı kepstral katsayıları (MFCC), sınıflandırıcı olarak ise evrişimsel sinir ağları (CNNs) kullanılmıştır. Veri setindeki müzik parçalarının ön işlemesi yapılarak MFCC değerleri elde edilmiş, daha sonra elde edilen bu veriler ile bir CNN modeli eğitilmiş ve test verileriyle modelin başarısı belirlenmiştir. Çalışma sonucunda, müzik türlerini sınıflandırma işlemini otomatik olarak gerçekleştiren bir model geliştirilmiştir.
Özet (Çeviri)
Allowance that the classification process facilitates the learning process and saves time, the contribution of this process to music learning is undeniable. One of the most valid and effective methods in music classification is music genre classification. Given the acceleration of music production and the significant increase in the amount of data, the process of classifying music genres has become too complex to be done by humans. Considering the successful results of deep neural networks in this field, the aim is to develop a deep learning algorithm that can classify 10 different music genres. In the study, operations have been performed on the GTZAN dataset, which includes ten different music genres (blues, classical, country, disco, hip-hop, jazz, metal, pop, reggae, rock). Mel frequency cepstral coefficients (MFCC) have been used as features and convolutional neural networks (CNNs) have been used as classifiers. MFCC values have been obtained by preprocessing the music pieces in the data set, then a CNN model has been trained with these data and the success of the model has been determined with the test data. As a result of the study, a model has been developed that automatically performs the classification of music genres.
Benzer Tezler
- Türk müzik türlerinin evrişimli sinir ağları ile sınıflandırması
Turkish music genres classification using convolutional neural network
SHAHAD BASSAM HAZIM
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT OKKALIOĞLU
- Akustik özellikler kullanan müzik öneri sistemi
Music recommendation system using acoustic features
AHMET ELBİR
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NİZAMETTİN AYDIN
- Müzik türü sınıflandırma
Music genre classification
YUNUS ATAHAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NİZAMETTİN AYDIN
DR. AHMET ELBİR
- Classification of music emotions with pre-trained models
Önceden eğitilmiş modellerle müzik duygularının sınıflandırılması
ZAINAB YASEEN TAHA TAQA
Yüksek Lisans
İngilizce
2023
Bilim ve TeknolojiÇankaya ÜniversitesiEnformatik Ana Bilim Dalı
Assist. Prof. Dr. ABDÜL KADİR GÖRÜR
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK