Show simple item record

2018-06-29Masterarbeit DOI: 10.18452/19252
Musical Genre Classification of Audio
dc.contributor.authorPollack, David
dc.date.accessioned2018-06-29T10:32:31Z
dc.date.available2018-06-29T10:32:31Z
dc.date.issued2018-06-29
dc.identifier.urihttp://edoc.hu-berlin.de/18452/20012
dc.description.abstractIm Rahmen dieser Masterarbeit habe ich die verschiedenen Methoden und Modelle des Deep Learnings zur Klassifizierung von Musikgattungen erfoscht. Neben den klassischen Methoden basierend auf MFCC und Spektogrammen wurden ebenfalls die neusten Methoden der Deep Learning Forschung benutzt. Diese habe ich auf einen Audio-Datensatz von Google Research angewendet. Der Code für dieses Projekt wurde in der Programmiersprache Python geschrieben und auf Quantlet sowie GitHub veröffentlicht.ger
dc.description.abstractI researched different preparation methods and models to classify musical genre of audio data. We began with classical preparation methods based on MFCCs and spectrograms and moved to methods on the cutting edge of deep learning such as attention-based RNNs and dilated convolutions. We utilized the Audioset dataset from Google Research and all of our code was written in the Python programming language. A copy of the code used in this project can be found on Quantlet and GitHub.eng
dc.language.isoeng
dc.publisherHumboldt-Universität zu Berlin
dc.rights(CC BY-SA 3.0 DE) Namensnennung - Weitergabe unter gleichen Bedingungen 3.0 Deutschlandger
dc.rights.urihttp://creativecommons.org/licenses/by-sa/3.0/de/
dc.subjectdeep learningger
dc.subjectkunstliches Intelligenzger
dc.subjectKlassifizierungger
dc.subjectpythonger
dc.subjectaudioger
dc.subjectattention RNNger
dc.subjectResNetger
dc.subjectMaschinelles Lernensger
dc.subjectdeep learningeng
dc.subjectmachine learningeng
dc.subjectclassificationeng
dc.subjectpythoneng
dc.subjectaudioeng
dc.subjectResNeteng
dc.subjectattention RNNeng
dc.subject.ddc330 Wirtschaft
dc.titleMusical Genre Classification of Audio
dc.typemasterThesis
dc.subtitleMusikgattungszugehörigkeitserkennung
dc.identifier.urnurn:nbn:de:kobv:11-110-18452/20012-7
dc.identifier.doihttp://dx.doi.org/10.18452/19252
dc.date.accepted2018-06-18
dc.contributor.refereeHärdle, Wolfgang Karl
dc.contributor.refereeChen, Cathy
local.edoc.pages34
local.edoc.anmerkungAccess to the code for the project directly on GitHub at https://github.com/dhpollack/mgc
local.edoc.type-nameMasterarbeit
local.edoc.institutionWirtschaftswissenschaftliche Fakultät

Show simple item record