prikaz prve stranice dokumenta Otkrivanje raspoloženja glazbene pjesme korištenjem dubokog učenja
No public access
master's thesis
Otkrivanje raspoloženja glazbene pjesme korištenjem dubokog učenja
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. urn:nbn:hr:168:086224
Avdić, Dino
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Avdić, D. (2021). Otkrivanje raspoloženja glazbene pjesme korištenjem dubokog učenja (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:086224

Avdić, Dino. "Otkrivanje raspoloženja glazbene pjesme korištenjem dubokog učenja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:086224

Avdić, Dino. "Otkrivanje raspoloženja glazbene pjesme korištenjem dubokog učenja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:086224

Avdić, D. (2021). 'Otkrivanje raspoloženja glazbene pjesme korištenjem dubokog učenja', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 26 June 2024, https://urn.nsk.hr/urn:nbn:hr:168:086224

Avdić D. Otkrivanje raspoloženja glazbene pjesme korištenjem dubokog učenja [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2021 [cited 2024 June 26] Available at: https://urn.nsk.hr/urn:nbn:hr:168:086224

D. Avdić, "Otkrivanje raspoloženja glazbene pjesme korištenjem dubokog učenja", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:168:086224

Metadata
TitleOtkrivanje raspoloženja glazbene pjesme korištenjem dubokog učenja
Title (english)Deep Learning Approach to Detecting the Mood of a Music Song
AuthorDino Avdić
MentorMarina Bagić Babac (mentor)
Committee memberMarina Bagić Babac (predsjednik povjerenstva)
Committee memberMarko Horvat (član povjerenstva)
Committee memberKrešimir Fertalj (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2021-07-13, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Glazba je moćan jezik za izražavanje emocija i raspoloženja kao i sredstvo za utjecaj na emocije slušatelja. Porastom ogromnih digitalnih glazbenih knjižnica pokazalo se da su glazbena raspoloženja postala poželjna pristupna točka glazbenim bazama podataka, a automatsko prepoznavanje i klasifikacija raspoloženja posljednjih godina dobivaju sve veću pozornost. U usporedbi s tradicionalnim karakteristikama glazbe poput žanra ili izvođača, prepoznavanje raspoloženja je subjektivnije i teže ga je kvantificirati, što ga čini izazovnijim. U ovom radu treba prikazati klasifikacijske modele koji mogu odrediti raspoloženja pjesme pomoću dubokog učenja. Potrebno je dizajnirati i implementirati detektor raspoloženja korištenjem trenutno dostupnih skupova podataka.
Abstract (english)
Music is a powerful language to express the emotions and moods as well as a mean to influence emotions of a listener. With the increase of huge digital music libraries over the past decade, music moods have been shown that becoming a desirable access point to music databases, and automatic recognition and classification of mood have received increasing attention in recent years. Compared to traditional characteristics of music such as genre or artist, mood recognition is more subjective and difficult to quantify, which make it more challenging. In this thesis, classification models that can determinate which is the mood of a specific track based on deep learning, are shown. An example of mood detector is designed and implemented using current datasets that are available for this purpose.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:086224
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-13 11:41:48