Online, Loudness-Invariant Vocal Detection in Mixed Music Signals

Lehner, Bernhard; Schlüter, Jan; Widmer, Gerhard

doi:10.1109/taslp.2018.2825108

Cited by 28 publications

(16 citation statements)

References 19 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…NV and V refer to the labels corresponding to the beginnings of non-vocal and vocal segments, respectively. automatic detection of the presence (or the absence) of the singing voice (or vocals) in short-duration (e.g., 200 ms) audio frames (or excerpts) [21]. The application of SVD to musical audio recordings segments them into vocal and non-vocal (instrumental) sections.…”

Section: Soundlimementioning

confidence: 99%

Reliable Local Explanations for Machine Listening

Mishra

Benetos

Sturm

et al. 2020

2020 International Joint Conference on Neural Networks (IJCNN)

View full text Add to dashboard Cite

One way to analyse the behaviour of machine learning models is through local explanations that highlight input features that maximally influence model predictions. Sensitivity analysis, which involves analysing the effect of input perturbations on model predictions, is one of the methods to generate local explanations. Meaningful input perturbations are essential for generating reliable explanations, but there exists limited work on what such perturbations are and how to perform them. This work investigates these questions in the context of machine listening models that analyse audio. Specifically, we use a state-of-the-art deep singing voice detection (SVD) model to analyse whether explanations from SoundLIME (a local explanation method) are sensitive to how the method perturbs model inputs. The results demonstrate that SoundLIME explanations are sensitive to the content in the occluded input regions. We further propose and demonstrate a novel method for quantitatively identifying suitable content type(s) for reliably occluding inputs of machine listening models. The results for the SVD model suggest that the average magnitude of input mel-spectrogram bins is the most suitable content type for temporal explanations.

show abstract

Section: Soundlimementioning

confidence: 99%

Reliable Local Explanations for Machine Listening

Mishra

Benetos

Sturm

et al. 2020

2020 International Joint Conference on Neural Networks (IJCNN)

View full text Add to dashboard Cite

show abstract

“…Content may change prior to final publication. Therefore, it has been successfully applied to many fields, such as wind speed prediction [42], voice detection [43], pedestrian trajectory prediction [44], traffic flow prediction [45] and navigation [46,47]. Given the superior ability to model the sequential data, it is employed in this paper to predict the velocity of the east and north directions in the navigation frame with the inputs of INS and odometer data.…”

Section: Prediction Of Velocity Measurement Based On Annmentioning

confidence: 99%

A Hybrid Fusion Strategy for the Land Vehicle Navigation Using MEMS INS, Odometer and GNSS

Zhang

Gan

2020

IEEE Access

View full text Add to dashboard Cite

How to limit the drifts of the navigation errors in an inertial navigation system (INS) with low-cost sensors is one of the main challenges for the land vehicle navigations. In this paper, we present a novel hybrid navigation strategy to integrate the Micro-Electric-Mechanic-systems (MEMS) INS, odometer (OD) and global navigation satellite systems (GNSS), with aim to enhance the positioning accuracy of the inertial system during GNSS outages. To accurately estimate the INS error states, the neural network (NN) is proposed to mimic the velocity of the navigation frame with the data from the MEMS INS, odometer, as well as the non-holonomic constraints (NHC). The long short-term memory (LSTM) NN is adopted in our approach due to its ability to adaptively use the data in the past. The road tests are conducted with two different MEMS IMUs to verify the proposed navigation strategy. Comparing to the traditional integrated MEMS INS/OD/GNSS system based on the extended Kalman filtering (EKF), our hybrid approach provides over 60% improvements in terms of the root mean square (RMS) and maximum horizontal position errors during GNSS outages.

show abstract

“…Como uma evolução do seu trabalho anterior, Lehner et al [2018] apresentam novas versões dos descritores vocais utilizados por ele anteriormente [Lehner et al, 2014] (os Fluctograms são pós-processados por indicadores de confiabilidade), e a estrutura de aprendizado de máquina usada é a rede neural recorrente com memória (LSTM-RNN). Segundo o autor, esta abordagem possui resultados superiores à anterior.…”

Section: 4unclassified

“…A principal referência sobre cálculo e uso dos descritores Fluctogram, Spectral Contraction e Spectral Flatness está em Lehner et al [2018]. Neste novo artigo, os autores utilizam os indicadores de confiabilidade como filtros para o Fluctogram.…”

Section: Fluctogram E Indicadores De Confiabilidadeunclassified

See 1 more Smart Citation

Detecção de voz cantada em sinais de áudio polifônicos

Corrêa¹

View full text Add to dashboard Cite

Deus concede dons aos homens, graças e oportunidades. Eu tive a oportunidade de trabalhar nesta dissertação com um tema que sempre me motivou e inspirou: a música! Agradecer é expressar a realidade de que nada fazemos se não houver quem ajude. O trabalho que você lê agora é fruto de muito esforço e dedicação de muitas pessoas, direta ou indiretamente. Esforço e dedicação que me permitiram escrever essas palavras, realizar experimentos, e crescer pessoal e profissionalmente. Não poderia escrever o nome de todos os que me ajudaram neste processo (seria injusto com muitos) mas quero destacar pessoas que estiveram ao meu lado e me fortaleceram neste período. Antes de tudo, o Senhor Jesus, que se mostrou maior e melhor que tudo que eu imaginava enquanto eu trabalhei na redação deste trabalho. Minha família: mãe, pai e irmã, que estavam sempre torcendo por mim (e se desesperando quando eu tinha que viajar para longe para alguma conferência). Meu amigo, namorado, noivo, e agora, marido Willian Corrêa (passamos por todos estas etapas desde o início do mestrado até hoje) que sempre me inspirou a fazer o meu melhor. Meus irmãos da ABU (Aliança Bíblica Universitária) que se tornaram uma brisa suave em meio ao caos da vida acadêmica. Suas orações e conselhos me foram extremamente importantes. Meus amigos e colegas de graduação e mestrado, que venceram comigo as batalhas das disciplinas e estiveram presentes em minha defesa. A comunidade do ISMIR, com seus projetos de inclusão e mentoria, que me permitiram ter mais profundidade nos estudos e contato com pesquisadores experientes, dentre eles Justin Salamon, que me incentivou a trabalhar com detecção de voz cantada. Ao meu orientador Marcelo Queiroz e aos professores membros da banca avaliadora Martin Rocamora e Rodrigo Schramm, que me incentivaram ao longo de todo o processo de desenvolvimento do trabalho e me mostraram que o resultado do meu trabalho era bom. Por fim, dedico este trabalho a Deus, afinal de contas "Porque dEle e por Ele, e para Ele, são todas as coisas; glória, pois, a Ele eternamente. Amém."

show abstract

Online, Loudness-Invariant Vocal Detection in Mixed Music Signals

Cited by 28 publications

References 19 publications

Reliable Local Explanations for Machine Listening

Reliable Local Explanations for Machine Listening

A Hybrid Fusion Strategy for the Land Vehicle Navigation Using MEMS INS, Odometer and GNSS

Detecção de voz cantada em sinais de áudio polifônicos

Contact Info

Product

Resources

About