Rāga Recognition based on Pitch Distribution Methods

Koduri, Gopala Krishna; Gulati, Sankalp; Rao, Preeti; Serra, Xavier

doi:10.1080/09298215.2012.735246

Cited by 38 publications

(26 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Indian classical vocal music audio where the vocal pitch has been tracked continuously in time (see review in Koduri, Gulati, Rao, & Serra, 2012). The first-order distributions have been observed to be dispersed to various extents around prominent peaks facilitating certain interpretations about the underlying tuning of the music as well as cues to raga identity in terms of svara locations and dispersion attributed to the gamaka.…”

Section: Introductionmentioning

confidence: 99%

Classification of Melodic Motifs in Raga Music with Time-series Matching

Rao

Ross

Ganguli

et al. 2014

Journal of New Music Research

Self Cite

View full text Add to dashboard Cite

Ragas are characterized by their melodic motifs or catch phrases that constitute strong cues to the raga identity for both, the performer and the listener, and therefore are of great interest in music retrieval and automatic transcription. While the characteristic phrases, or pakads, appear in written notation as a sequence of notes, musicological rules for interpretation of the phrase in performance in a manner that allows considerable creative expression, while not transgressing raga grammar, are not explicitly defined. In this work, machine learning methods are used on labeled databases of Hindustani and Carnatic vocal audio concerts to obtain phrase classification on manually segmented audio. Dynamic time warping and HMM based classification are applied on time series of detected pitch values used for the melodic representation of a phrase. Retrieval experiments on ragacharacteristic phrases show promising results while providing interesting insights on the nature of variation in the surface realization of raga-characteristic motifs within and across concerts.

show abstract

Section: Introductionmentioning

confidence: 99%

Classification of Melodic Motifs in Raga Music with Time-series Matching

Rao

Ross

Ganguli

et al. 2014

Journal of New Music Research

Self Cite

View full text Add to dashboard Cite

show abstract

“…Koduri vd. [27] Karnatik müzik alanında çalışmalar yürütmektedir. Bunun dışında, Hint müziği ve Avrupa halk müziği gibi farklı etnik müzikler üzerinde uygulanmış sınıflandırma ve ton tanıma çalışmaları da bulunmaktadır [28,29].…”

Section: Gi̇ri̇ş (Introduction)unclassified

Klasik Türk müziğinde makam tanıma için veri madenciliği kullanımı

Abidin¹,

Öztürk²,

Öztürk³

2017

Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

eserleri sembolik veriye dönüştürülmüştür  Makam tanıma için veri madenciliği algoritmaları kullanılmıştır  "Random Forest" algoritması ile %89,7 oranında başarım gözlemlenmiştir Makale Bilgileri ÖZET Geliş: 05.08.2016 Kabul: 09.05.2017 DOI:Müzik eserlerinin sayısal ortama aktarılmasıyla birlikte, bilgisayar bilimleri müzikoloji çalışmalarının içerisinde kendine yer bulmaya başlamıştır. Müzik eserleri bilimsel araştırmalarda veri olarak kullanılmakta ve hesaplamalı müzik alanı bu alanda yapılan çalışmalar ile hızla gelişmektedir. Her ne kadar yapılan çalışmaların büyük bir bölümü sembolik olarak ifade edilmesi daha kolay olan Batı Müziği eserleri üzerine olsa da, Türk Müziği eserleri de artık çeşitli çalışmaların konusu olmaktadır. Türk Müziğinin temeli olan makam sistemi, bilgisayar bilimleri ile uğraşan araştırmacıların dikkatini çekmiş ve Türk Müziği eserleri veri madenciliği, makine öğrenmesi, sınıflandırma gibi çalışmaların konusu olmuştur. Bu çalışmada, bir ses dosyasından nota tanıma ile elde edildiği varsayılan ve 1261 Türk Müziği eserine ait sadece nota dizilerini içeren veri dosyası üzerinde makine öğrenmesi metodu ile makam tahmini yapmaya yönelik deneysel bir çalışma gerçekleştirilmiştir. MusicXML biçimindeki eserlerin makine öğrenmesi uygulamasında kullanılabilmesi amacıyla bir yazılım geliştirilmiş, bu yazılımla makine öğrenmesinde başarımı arttırmak için özgün veri kümesine dört farklı türetilmiş veri sahası eklenmiştir. Sonuç olarak, 'Rastgele Orman' algoritması ile makam tanımada %89,7 oranında başarım gözlemlenmiştir.

show abstract

“…Koduri et al [13] developed a method for raga recognition which uses first order pitch density distributions of only the stable pitch regions in the melody.…”

Section: Literature Study On Previous Workmentioning

confidence: 99%

Musical Note Extraction using Self Organizing Feature Maps

Unnikrishnan¹

2018

IJCA

View full text Add to dashboard Cite

Raga is the central melodic concept in Indian classical music and its automatic recognition is an important research area in computational musicology. It has several applications like indexing music, comparing and classifying music, Music Information Retrieval and pedagogy of music. Musical note extraction is the first logical step in the process of creating computational models of ragas. This paper proposes a method for extracting musical notes (swaras) from audio recordings of South Indian Classical music, based on a special kind of Artificial Neural Network known as Kohonen's Self Organizing Feature Map (SOM).

show abstract

Rāga Recognition based on Pitch Distribution Methods

Cited by 38 publications

References 5 publications

Classification of Melodic Motifs in Raga Music with Time-series Matching

Classification of Melodic Motifs in Raga Music with Time-series Matching

Klasik Türk müziğinde makam tanıma için veri madenciliği kullanımı

Musical Note Extraction using Self Organizing Feature Maps

Contact Info

Product

Resources

About