{"id":96047,"date":"2018-03-11T10:16:13","date_gmt":"2018-03-11T10:16:13","guid":{"rendered":"https:\/\/www.deberes.net\/tesis\/sin-categoria\/audio-content-processing-for-automatic-music-genre-classification-descriptors-databases-and-classifiers\/"},"modified":"2018-03-11T10:16:13","modified_gmt":"2018-03-11T10:16:13","slug":"audio-content-processing-for-automatic-music-genre-classification-descriptors-databases-and-classifiers","status":"publish","type":"post","link":"https:\/\/www.deberes.net\/tesis\/analisis-de-datos\/audio-content-processing-for-automatic-music-genre-classification-descriptors-databases-and-classifiers\/","title":{"rendered":"Audio content processing for automatic music genre classification: descriptors, databases, and classifiers"},"content":{"rendered":"<h2>Tesis doctoral de <strong> Enric Guaus Termens <\/strong><\/h2>\n<p>Esta tesis estudia la clasificaci\u00f3n autom\u00e1tica de g\u00e9neros musicales, basada en el an\u00e1lisis del contenido de la se\u00f1al de audio, planteando sus problemas y proponiendo soluciones. Se propone un estudio de la clasificaci\u00f3n de los g\u00e9neros musicales desde el punto de vista computacional, pero inspirado en teor\u00edas de los campos de la musicolog\u00eda y la percepci\u00f3n.  El objetivo es comparar y evaluar los resultados obtenidos de estos experimentos para explicar los l\u00edmites de las tasas de acierto de los algoritmos actuales, y proponer nuevas estrategias para superarlos.  En este contexto, se propone el estudio de distintas familias de descriptores de audio referentes al timbre, al ritmo, a la tonalidad o a otros aspectos de la m\u00fasica. Algunos de los descriptores son propuestos por el mismo autor, mientras que otros son perfectamente conocidos. Por otra parte, tambi\u00e9n se comparan las t\u00e9cnicas de aprendizaje artificial que se usan tradicionalmente, y analizamos su comportamiento en frente de nuestro problema de clasificaci\u00f3n. Tambi\u00e9n planteamos una discusi\u00f3n sobre su capacidad para representar los diferentes modelos de clasificaci\u00f3n propuestos en el campo de la percepci\u00f3n. Estos resultados de la clasificaci\u00f3n se comparan con los resultados de unos tests y encuestas realizados sobre un conjunto de individuos. Como resultado de esta comparativa se propone una arquitectura espec\u00edfica de clasificadores que tambi\u00e9n est\u00e1 razonada y detallada en el cuerpo de la tesis. Finalmente, se hace un \u00e9nfasis especial en comparar los resultados de los clasificadores autom\u00e1ticos en distintos escenarios que asumen la mezcla de bases de datos, algunas muy grandes y otras muy peque\u00f1as, etc. Como conclusi\u00f3n, mostraremos como la arquitectura de clasificaci\u00f3n propuesta permite romper el l\u00edmite actual en el \u00e1mbito de la clasificaci\u00f3n autom\u00e1tica de g\u00e9neros musicales. De forma condensada, podemos decir que esta tesis contribuye en el campo de la clasificaci\u00f3n de los g\u00e9neros musicales el los siguientes aspectos: a) proporciona una revisi\u00f3n multidisciplinar de los g\u00e9neros musicales y su clasificaci\u00f3n; b) presenta una evaluaci\u00f3n cualitativa y cuantitativa de las familias de descriptores de audio para la clasificaci\u00f3n de g\u00e9neros musicales; c) eval\u00faa los pros y contras de las distintas t\u00e9cnicas de aprendizaje artificial delante del g\u00e9nero; d) propone una arquitectura nueva del clasificador de acuerdo con una visi\u00f3n interdisciplinar de los g\u00e9neros musicales; e) analiza el comportamiento de la arquitectura propuesta delante de entornos muy diversos en los que se podr\u00eda implementar el clasificador.<\/p>\n<p>&nbsp;<\/p>\n<h3>Datos acad\u00e9micos de la tesis doctoral \u00ab<strong>Audio content processing for automatic music genre classification: descriptors, databases, and classifiers<\/strong>\u00ab<\/h3>\n<ul>\n<li><strong>T\u00edtulo de la tesis:<\/strong>\u00a0 Audio content processing for automatic music genre classification: descriptors, databases, and classifiers <\/li>\n<li><strong>Autor:<\/strong>\u00a0 Enric Guaus Termens <\/li>\n<li><strong>Universidad:<\/strong>\u00a0 Pompeu fabra<\/li>\n<li><strong>Fecha de lectura de la tesis:<\/strong>\u00a0 21\/09\/2009<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n<h3>Direcci\u00f3n y tribunal<\/h3>\n<ul>\n<li><strong>Director de la tesis<\/strong>\n<ul>\n<li>Xavier Serra Casals<\/li>\n<\/ul>\n<\/li>\n<li><strong>Tribunal<\/strong>\n<ul>\n<li>Presidente del tribunal: leo Wanner <\/li>\n<li>marcelo Bertalm\u00edo (vocal)<\/li>\n<li>Jos\u00e9 Manuel I\u00f1esta quereda (vocal)<\/li>\n<li>rub\u00e9n Lopez cano (vocal)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Tesis doctoral de Enric Guaus Termens Esta tesis estudia la clasificaci\u00f3n autom\u00e1tica de g\u00e9neros musicales, basada en el an\u00e1lisis del [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"footnotes":""},"categories":[2207,2528,9132,18712,39060],"tags":[197353,11898,116743,140345,131058,38388],"class_list":["post-96047","post","type-post","status-publish","format-standard","hentry","category-analisis-de-datos","category-inteligencia-artificial","category-musica-y-musicologia","category-pompeu-fabra","category-tratamiento-de-senales","tag-enric-guaus-termens","tag-jose-manuel-inesta-quereda","tag-leo-wanner","tag-marcelo-bertalmio","tag-ruben-lopez-cano","tag-xavier-serra-casals"],"_links":{"self":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/96047","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/comments?post=96047"}],"version-history":[{"count":0,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/96047\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/media?parent=96047"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/categories?post=96047"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/tags?post=96047"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}