Técnicas de data augmentation para a tarefa de identificação automática de músicas cover

• Processo: 19/08653-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de julho de 2019
• Data de Término da vigência: 31 de agosto de 2020
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Diego Furtado Silva
• Beneficiário: Ricardo Szram Filho
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Algoritmos Redes neurais (computação) Recuperação da informação Música
• Palavra(s)-Chave do Pesquisador: Data Augmentation | Identificação de música cover | Recuperação de informação musical | Aprendizado de Máquina

Resumo

A música faz parte do cotidiano do ser humano há séculos. Com a evolução da sociedade e seus meios produtivos, essa arte foi cada vez mais fazendo parte de atividades comerciais. Atualmente, isso é muito evidente graças a plataformas de streaming de música. Um dos problemas enfrentados por essas plataformas é a atribuição de direitos autorais, especialmente quando é permitido aos usuários criarem seu próprio conteúdo. Como parte das ações para melhorar esse processo, encontra-se a tarefa de reconhecimento automático de músicas cover. O maior problema enfrentado pelas ferramentas para essa tarefa é o fato de músicas cover possuírem variações severas em relação à gravação original, como mudanças no tempo e no timbre. Com isso, a comparação da similaridade entre os vetores de atributos que descrevem as músicas é muito prejudicada. O objetivo deste trabalho de pesquisa é investigar técnicas de distorção de áudio e redes neurais generativas adversárias para criar dados sintéticos, a fim de melhorar a eficácia dos algoritmos estado-da-arte para o reconhecimento automático de músicas cover.