prikaz prve stranice dokumenta Primjena algoritama strojnog učenja u klasifikaciji glazbenog sadržaja snimljenog u različitim okolinama
No public access
undergraduate thesis
Primjena algoritama strojnog učenja u klasifikaciji glazbenog sadržaja snimljenog u različitim okolinama
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. urn:nbn:hr:168:893358
Peršun, Andrija
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Peršun, A. (2024). Primjena algoritama strojnog učenja u klasifikaciji glazbenog sadržaja snimljenog u različitim okolinama (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:893358

Peršun, Andrija. "Primjena algoritama strojnog učenja u klasifikaciji glazbenog sadržaja snimljenog u različitim okolinama." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:893358

Peršun, Andrija. "Primjena algoritama strojnog učenja u klasifikaciji glazbenog sadržaja snimljenog u različitim okolinama." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:893358

Peršun, A. (2024). 'Primjena algoritama strojnog učenja u klasifikaciji glazbenog sadržaja snimljenog u različitim okolinama', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 26 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:893358

Peršun A. Primjena algoritama strojnog učenja u klasifikaciji glazbenog sadržaja snimljenog u različitim okolinama [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2024 [cited 2024 November 26] Available at: https://urn.nsk.hr/urn:nbn:hr:168:893358

A. Peršun, "Primjena algoritama strojnog učenja u klasifikaciji glazbenog sadržaja snimljenog u različitim okolinama", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:168:893358

Metadata
TitlePrimjena algoritama strojnog učenja u klasifikaciji glazbenog sadržaja snimljenog u različitim okolinama
Title (english)Application of machine learning algorithms in classification of audio content recorded in different instruments environments
AuthorAndrija Peršun
MentorAntonio Petošić (mentor)
Committee memberAntonio Petošić (predsjednik povjerenstva)
Committee memberIvan Đurek (član povjerenstva)
Committee memberMia Suhanek (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2024-07-05, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
U ovom radu implementiran je algoritam automatskog prepoznavanja glazbenog sadržaja za snimke različitih izvedbi i različitih okruženja. Obrađena je teorijska podloga izvlačenja korištenih značajki, odnosno transkripcije teksta i računanje kroma značajke (kromagrama) te osnove prostorne akustike i utjecaj na snimke. Pokazana je metoda računanja podudarnosti između dvaju snimaka za svaki korišteni parametar te metoda računanja ukupne podudarnosti. Prezentirani su i rezultati testiranja. Svaki test, ovisno o dužini testiranog zvučnog zapisa, traje između 10 i 30 sekundi. Testovi su pokazali uspješnost od 94% na 11 testova normalne klasifikacije i 100% na 2 testa klasifikacije uljeza, na inicijalnoj bazi podataka s 33 pjesme.
Abstract (english)
This paper covers the implementation of an algorithm for automatic classification of music. It covers the theoretical basis of sound feature extraction, namely speech transcription for lyric identifcation, as well as chroma feature calculation for music recognition in different acoustics environments. It then shows the procedure for audio matching based on the outputs of specific features, including the calculation of individual matching coefficients and the cumulative, total mathcing coefficients. The paper includes presentation of test results on a small database of 33 songs. Each test, depending on the length of the tested recording, took anywhere from 10 to 30 seconds to complete. The tests yielded a high 94% success rate across 11 normal test examples, and a 100% fail rate on 2 test examples which attempted to classify an impostor.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:893358
Study programmeTitle: Computing
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2024-10-12 21:49:35