Segmentación de música mediante técnicas de aprendizaje profundo

Abstract

[ES] En este trabajo se estudia el problema de la segmentación de la música en sus diferentes partes de forma automática mediante el empleo de técnicas de aprendizaje profundo.. Las canciones de cualquier estilo (pop/rock, tecno, clásica, popular, etc) se suelen estructurar en partes o segmentos diferenciados (introducción, estribillo, verso, etc) que se suceden o se intercalan. La automatización de este proceso permitiría emplear los resultados en diversas aplicaciones de la industria audiovisual, por ejemplo para la sincronización de vídeos, sistemas de iluminación en espectáculos o incluso sistemas de recomendación musical. Se parte de una base de datos de canciones etiquetadas por un experto que servirán para entrenar la red de aprendizaje profundo. Sobre estos datos, el estudiante probará diversos parámetros de entrada y diseñará diversos modelos de red para optimizar los resultados de la red neuronal.

[EN] In this work, the problem of automatic segmentation of music in its different parts is studied employing deep learning techniques. Songs of any style (pop/rock, techno, classical, popular, etc.) are usually structured in different parts or segments (introduction, chorus, verse, etc.) that follow one another or are interspersed. The automation of this process would allow the results to be used in various applications in the audiovisual industry, for example for video synchronization, lighting systems in shows or even music recommendation systems. We already have a database of songs tagged by an expert that will be used to train the deep learning network. Using this data, the student will test various input parameters and will design different network models to optimize the results of the neural network.