基于循环神经网络和注意力机制的音乐流派分类方法

摘要

本发明公开了一种基于循环神经网络和注意力机制的音乐流派分类方法。首先，音乐信号通过短时傅里叶变换得到声谱图，利用双向循环神经网络根据声谱图进行特征学习，得到更高层次的抽象特征，同时利用并行的注意力模型，从声谱图中学习得到与特征表示相对应的注意力概率分布，用于设置音乐特征表示的不同权重。然后根据特征权重对特征进行加权平均，得到融合后的特征。最后利用融合后的音乐特征进行音乐流派的分类。本发明方法利用并行的循环神经网络和注意力模型，自动地根据音乐信号进行特征学习，并利用注意力概率分布为特征设置合理的权重，对特征进行加权平均后再进行分类，提高了音乐流派分类的准确性，避免了手工提取特征的复杂性和局限性。