一种基于CBA模型的音乐情感识别方法和装置制造方法及图纸

本申请提供一种基于CBA模型的音乐情感识别方法和装置，所述CBA模型包括CNN模型、BiGRU模型和Attention模型；所述方法包括：利用CNN模型从待识别音乐片段中提取待识别特征矩阵，所述待识别特征矩阵包括多个维度的音乐特征；利用BiGRU模型对所述待识别特征矩阵进行序列化处理，得到各个时间周期的音频信息；其中，基于Attention模型计算各个时间周期的音乐特征权重，根据所述权重对各个时间周期的音频信息加权求和，得到综合待识别音乐时序；基于全连接层，对所述综合待识别音乐时序进行回归预测，预测所述待识别音乐片段的情感标签。本申请提供的基于CBA模型的音乐情感识别方法和装置，提供了一种专门用于音乐情感识别的音乐情感识别模型，可以实现音乐情感的准确识别。

【技术实现步骤摘要】

本申请涉及音乐情感识别，尤其涉及一种基于cba模型的音乐情感识别方法和装置。

技术介绍

1、随着数字音乐市场的蓬勃生命力，数字音乐数据的大量增长，和音乐信息检索的需求逐步加大，根据音乐的情感属性来进行音乐检索的需求也日益增长。在进行音乐检索时，通常需要构建音乐情感识别模型，以基于音乐情感识别模型进行音乐情感识别。

2、现有技术中的音乐情感识别模型，重点关注于局部的特征，识别出的情感易受到局部情感的影响，准确率低，因此，亟需一种方法，提供一种专门用于音乐情感识别的音乐情感识别模型，以实现音乐情感的准确识别。

技术实现思路

1、有鉴于此，本申请提供一种基于cba模型的音乐情感识别方法和装置，提供一种专门用于音乐情感识别的音乐情感识别模型，以实现音乐情感的准确识别。

2、具体地，本申请是通过如下技术方案实现的：

3、本申请第一方面提供一种基于cba模型的音乐情感识别方法，所述cba模型包括cnn模型、bigru模型和attention模型；所述方法包括：>

4、利用cn本文档来自技高网...

【技术保护点】

1.一种基于CBA模型的音乐情感识别方法，其特征在于，所述CBA模型包括CNN模型、BiGRU模型和Attention模型；所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述CNN模型包括输入层、卷积层、归一层、激活函数和池化层；其中，

3.根据权利要求1所述的方法，其特征在于，所述BiGRU模型包括重置门、更新门和合并门；

4.根据权利要求1所述的方法，其特征在于，所述Attention模型根据音乐特征的情绪价值对BiGRU模型输出的各个时间周期的音频信息的音乐特征计算权重，所述权重表示音乐特征与情绪价值的相关程度，根据权重对各个时间周期...

【技术特征摘要】

1.一种基于cba模型的音乐情感识别方法，其特征在于，所述cba模型包括cnn模型、bigru模型和attention模型；所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述cnn模型包括输入层、卷积层、归一层、激活函数和池化层；其中，

3.根据权利要求1所述的方法，其特征在于，所述bigru模型包括重置门、更新门和合并门；

4.根据权利要求1所述的方法，其特征在于，所述attention模型根据音乐特征的情绪价值对bigru模型输出的各个时间周期的音频信息的音乐特征计算权重，所述权重表示音乐特征与情绪价值的相关程度，根据权重对各个时间周期的音频信息进行加权求和，得到综合待识别音乐时序，输出至全连接层。

5.根据权利要求1所述的方法，其特征在于，所述cb...

【专利技术属性】
技术研发人员：周若华，马思涵，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：