关于音频情感分类的随笔(3)
40.2%的错误辨别率确实不是什么好的结果。本来寄希望于找到有人工标注的音乐唤醒情感的数据,但是这类数据确实不太好找。只有调整算法和模型。
转变一下思路,将已经得到的音乐情感再加上一些特例音乐的特征作为学习的数据,是不是就可以作为学习的数据了呢。那么怎么去验证调整后的结果是否正确呢。我只能收集身边朋友和网友提供的歌曲的信息。然后制作了131首音乐的测试数据集
音乐 |
情感 |
描述 |
蝶恋(特别保留版).wav |
Peaceful |
平和的 |
雨 II.wav |
Pleased |
轻快的 |
遇袭.wav |
Pleased |
轻快的 |
看尽前尘.wav |
Peaceful |
平和的 |
神佑.wav |
Peaceful |
平和的 |
忧.wav |
Peaceful |
平和的 |
御剑伏魔 II.wav |
Peaceful |
平和的 |
醉仙驱魔.wav |
Excited |
兴奋的 |
魂萦梦牵.wav |
Happy |
快乐的 |
蝶满春园 II.wav |
Pleased |
轻快的 |
嬉春.wav |
Pleased |
轻快的 |
春色无边.wav |
Pleased |
轻快的 |
春风恋牡丹.wav |
Peaceful |
平和的 |
心急如焚.wav |
Pleased |
轻快的 |
危机.wav |
Pleased |
轻快的 |
宿命.wav |
Pleased |
轻快的 |
云谷鹤峰 III .wav |
Peaceful |
平和的 |
血海余生.wav |
Pleased |
轻快的 |
罗汉阵.wav |
Peaceful |
平和的 |
情怨 II.wav |
Pleased |
轻快的 |
富甲一方.wav |
Pleased |
轻快的 |
风起云涌.wav |
Pleased |
轻快的 |
云谷鹤峰 II.wav |
Relaxed |
放松的 |
乐逍遥.wav |
Pleased |
轻快的 |
桃花幻梦.wav |
Pleased |
轻快的 |
白河寒秋.wav |
Peaceful |
平和的 |
蝶舞春园.wav |
Pleased |
轻快的 |
section6-告白气球伴奏new |
Sad |
伤感的 |
GAI周延-苦行僧(Live) |
Pleased |
轻快的 |
GAI周延-垃圾话 |
Excited |
兴奋的 |
GAI周延-重庆魂(Live) |
Sad |
伤感的 |
cetacean |
Excited |
兴奋的 |
slave-racer |
Excited |
兴奋的 |
Aimer - Ref_rain |
Excited |
兴奋的 |
穆哲熙 - 自愈 |
Pleased |
轻快的 |
以冬 - 不觉秋色浅 |
Calm |
平静的 |
GAI周延 - 刺 |
Excited |
兴奋的 |
许嵩&黄龄-冰柜 |
Calm |
平静的 |
七音盒 - 一念千年 |
Sad |
伤感的 |
郁可唯 - 深爱 |
Sad |
伤感的 |
Connie Talbot-Count on Me |
Pleased |
轻快的 |
郑智化-水手 |
Calm |
平静的 |
刘珂矣-半壶纱 |
Pleased |
轻快的 |
双笙 (陈元汐)-采茶纪 |
Pleased |
轻快的 |
国风集-张韶涵-青云之上 |
Sad |
伤感的 |
茶理理理子-魑魅魍魉 |
Excited |
兴奋的 |
等什么君-凉夜横塘 |
Sad |
伤感的 |
司南 - 苏东坡 |
Sad |
伤感的 |
梁博 - 出现又离开 |
Sad |
伤感的 |
毛不易-烟火成都 |
Pleased |
轻快的 |
毛不易-无问 |
Calm |
平静的 |
关文涛-朝花夕拾原唱孙浩 |
Calm |
平静的 |
朝花夕拾 |
Calm |
平静的 |
老狼 - 同桌的你 |
Sad |
伤感的 |
周深-海上蝶 |
Pleased |
轻快的 |
郑秀文 - 终身美丽 |
Pleased |
轻快的 |
苏打绿 - 我好想你 |
Calm |
平静的 |
Clean Bandit - Rather Be |
Pleased |
轻快的 |
萧敬腾 - 离开地球表面 |
Excited |
兴奋的 |
朱主爱-It's A Long Day |
Pleased |
轻快的 |
李荣浩-有理想 |
Calm |
平静的 |
朱主爱-好想你 |
Pleased |
轻快的 |
bensound-love |
Sad |
伤感的 |
bensound-relaxing |
Sad |
伤感的 |
bensound-happyrock |
Excited |
兴奋的 |
Adele-Hello |
Sad |
伤感的 |
汪明荃 - 万水千山总是情 |
Peaceful |
平和的 |
谢春花-唱不了一首欢乐的歌 |
Sad |
伤感的 |
Sainkho Namtchylak - Lost Rivers |
Nervous |
焦虑的 |
Sainkho Namtchylak - White Food |
Sad |
伤感的 |
Sainkho Namtchylak - Tovarishi |
Nervous |
焦虑的 |
Sainkho Namtchylak - Night Birds |
Sad |
伤感的 |
Sainkho Namtchylak - Memory I |
Sad |
伤感的 |
Sainkho Namtchylak - Houwa |
Sad |
伤感的 |
Sainkho Namtchylak - Early Steps |
Sad |
伤感的 |
Sainkho Namtchylak - Cschai-Su |
Nervous |
焦虑的 |
Sainkho Namtchylak - Tundra and Taiga |
Calm |
平静的 |
Sainkho Namtchylak - Long Continuum |
Nervous |
焦虑的 |
Sainkho Namtchylak - Dream Of Death |
Sad |
伤感的 |
Sainkho Namtchylak - Memory II |
Sad |
伤感的 |
Sainkho Namtchylak - Ach so! |
Calm |
平静的 |
Fool's Garden - Lemon Tree |
Sad |
伤感的 |
张杰 - 只要平凡 |
Pleased |
轻快的 |
马良 - 往后余生 |
Sad |
伤感的 |
邓丽君 - 又见炊烟 |
Calm |
平静的 |
十点半-贝加尔湖畔 |
Sad |
伤感的 |
朴树-那些花儿 |
Calm |
平静的 |
朴树 - 生如夏花 |
Excited |
兴奋的 |
王力宏 - 缘分一道桥 |
Sad |
伤感的 |
海来阿木-点歌的人 |
Pleased |
轻快的 |
刘若英-知道不知道 |
Sad |
伤感的 |
Rustic Renegade-More Then I Can Stand |
Calm |
平静的 |
Maksim Mrvica-克罗地亚狂想曲 |
Sad |
伤感的 |
花姐-狂浪 |
Excited |
兴奋的 |
王大毛-去年夏天 |
Sad |
伤感的 |
河图-听雨楼外 |
Sad |
伤感的 |
河图-汐音社-皎皎 |
Pleased |
轻快的 |
翱翔 - 吴**®I陈彦希&mac ova seas&林渝植Anoryz&雾都L4WUDU&王嗣尧TURBO |
Excited |
兴奋的 |
楼顶上的小斑鸠 - 队长 |
Excited |
兴奋的 |
不舍 - 颜人中 |
Calm |
平静的 |
ゆめうつつ - 米津玄師 |
Excited |
兴奋的 |
你会爱的人 - 杨千嬅 |
Pleased |
轻快的 |
拼个世界给自己(keeppley 新世代BGM) - 姜云升 |
Excited |
兴奋的 |
银河与星斗 - yihuik苡慧 |
Excited |
兴奋的 |
做勇敢的大人 - 李润祺 |
Excited |
兴奋的 |
好久不见 - Lil Jet |
Excited |
兴奋的 |
窗 - 虎二 |
Excited |
兴奋的 |
嘉宾 - 路飞文 |
Sad |
伤感的 |
任然 - 疑心病 |
Pleased |
轻快的 |
HANA菊梓乔-秘密花园 |
Sad |
伤感的 |
JelloRio李佳隆-Kafe.Hu-回忆经济舱(Live) |
Sad |
伤感的 |
Masha Ray-Sweetheart(Hasta La Vista) |
Excited |
兴奋的 |
周笔畅-花樽与花(Live) |
Peaceful |
平和的 |
金玟岐 - 岁月神偷 |
Sad |
伤感的 |
容祖儿 - 天窗 |
Sad |
伤感的 |
陈小春 - 友情岁月 |
Sad |
伤感的 |
G.E.M. 邓紫棋 - Where Did U Go |
Excited |
兴奋的 |
Reagan James-Where Did You Go |
Pleased |
轻快的 |
Imagine Dragons - Natural |
Sad |
伤感的 |
王赫野-大风吹 |
Calm |
平静的 |
王力宏-需要人陪 |
Pleased |
轻快的 |
李宗盛-为你我受冷风吹 (Live) |
Peaceful |
平和的 |
Mario Ramos-Beliver |
Sad |
伤感的 |
李克勤-月半小夜曲 |
Sad |
伤感的 |
隔壁老樊-多想在平庸的生活拥抱你(Live) |
Sad |
伤感的 |
华晨宇-国王与乞丐(Live) |
Sad |
伤感的 |
给自己的歌 - 李宗盛 |
Sad |
伤感的 |
Ur Luv - 李老板 |
Excited |
兴奋的 |
I Don't Want To Say Goodbye - Teddy Thompson |
Calm |
平静的 |
回到 - 蛋堡 |
Pleased |
轻快的 |
Say You Love Me feat. Tamala - 西原健一郎&Tamala |
Excited |
兴奋的 |
测试数据集里面,个人存在疑惑的是对 Sainkho Namtchylak 的Lost Rivers 这类实验音乐专辑的分析。我还特意将里面的收录音乐每首都听了一次,确实从个人感观上不认同里面的部分分析。当然网友针对从音乐在各大平台留下的评论来说,每个人的口味确实不一样。有些听到了悲伤,有些确是烦躁不安(特别是 Lost Rivers)。部分音乐也和提供者对比了一下,基本能正确。
在和各位提供者(也没有多少人)比对的过程中,发现了一个有趣的事情。部分提供者,对音乐的感觉描述如下:
大风吹:
听起来很有节奏感,能让人情不自禁跟着唱,听起来很欢快,让人很舒适
需要人陪:
歌曲十分舒缓,平静,能让人跟着旋律进入到音乐中,十分享受
为你我受冷风吹:
时而平缓,时而激扬,能带动人的情感,整体听下来能使人产生共鸣
天窗:
这首歌主要是我喜欢容祖儿,单纯的喜欢,哈哈
国王与乞丐:
整首歌都给人一种很压抑的感觉,但是仔细听下来又有点小小的激昂,歌词主要表达的意思也很让我喜欢
Beliver:
节奏感极强,给人一种要极其强烈想冲破天际的一种力量,不受束缚
所以在整理对比资料时无法准确的说出音乐唤醒的是哪类情感。因为收集发生在听歌之后,需要提供者回忆。
可能这里就要提及,为什么不结合歌词作为辅助特征参与情感预测呢?对于一些不同国家的音乐或者无歌词的音乐,歌词的参与感就不太重要了。这就是为什么《梁祝》可能被大多数的音乐人所感知的。之前有本《音乐心理学》书中记载,为了验证音乐的喜好与传播各个人群的关系,将受众分为专业受众和普通受众。播放外国歌曲时,专业受众80%被音乐产生的情绪所感染,普通受众70%能接收到播放音乐产生的情感。所以,得出一个结论,音乐的调动共情部分的主要因素不在于歌词。再加上歌词一定是和播放时长相关的,所以它是一个时域结合很紧密的数据。如果检测部分只是在一首音乐里的一个片段,对于时域来讲,它的开始是片段的开始而不是整首音乐的开始,那么此时该做出怎么样的特征提取呢。(当然,这也是我诸多借口之一)
调整后的正确识别率究竟达到了多少,我也不能准确的统计出。如果有好的方法请告知
关于音频情感分类的随笔(3)相关推荐
- 关于音频情感分类的随笔(2)
在 关于音频情感分类的随笔(1)中有提到,没有人工标注信息下,采用了无监督学习的分类,作为学习的基础.这样由于缺少黄金标准,导致后续产出的数据,在分析过程中无法甄别出具体的所属情感.那么是不是可以利用 ...
- 关于音频情感分类的随笔(1)
整理一下思绪,记录下近期学习和处理的一些信息.算是作为2020年的半年总结. 要快速的吸引或者打动用户,必须实时的唤起用户的情绪共情或者认知共情.个人以为,在短视频上的不知不觉的耗费的时间,是视觉和听 ...
- 关于音频情感分类的随笔(5)
书接上一篇,通过对少量音频的事后抽查.发现其用的预测算法有误,然后修改了算法,再次对FMA的7997首音频测试.结果没有了Annoying这类分类,应该是训练数据集中的对于这类数据相对较少.对于Ner ...
- 情感计算-音频情感识别
目录 音频情感识别意义与背景 研究现状与进展 音频情感数据库 语音情感识别 展望 音频情感识别意义与背景 这里的音频是指人类能够听到的声音,音频中包含丰富情感: 应用在电话服务.医学研究(抑郁.压力– ...
- 循环神经网络实现文本情感分类之使用LSTM完成文本情感分类
循环神经网络实现文本情感分类之使用LSTM完成文本情感分类 1. 使用LSTM完成文本情感分类 在前面,使用了word embedding去实现了toy级别的文本情感分类,那么现在在这个模型中添加上L ...
- 循环神经网络实现文本情感分类之Pytorch中LSTM和GRU模块使用
循环神经网络实现文本情感分类之Pytorch中LSTM和GRU模块使用 1. Pytorch中LSTM和GRU模块使用 1.1 LSTM介绍 LSTM和GRU都是由torch.nn提供 通过观察文档, ...
- 打破情感分类准确率80分天花板!更充分的知识图谱结合范式
来源:夕小瑶的卖萌屋本文约3600字,建议阅读7分钟 本文带你了解NLP的研究者们怎么让模型像人类一样,学会"知识". NLP的研究者们一直都在尝试,怎么样让模型像人类一样,学会& ...
- Pytorch-基于Transformer的情感分类
Pytorch-基于Transformer的情感分类 </h1><div class="clear"></div><div class=& ...
- 2.9 情感分类-深度学习第五课《序列模型》-Stanford吴恩达教授
情感分类 (Sentiment Classification) 情感分类任务就是看一段文本,然后分辨这个人是否喜欢他们在讨论的这个东西,这是NLP中最重要的模块之一,经常用在许多应用中.情感分类一个最 ...
- CV:基于Keras利用CNN主流架构之mini_XCEPTION训练情感分类模型hdf5并保存到指定文件夹下
CV:基于Keras利用CNN主流架构之mini_XCEPTION训练情感分类模型hdf5并保存到指定文件夹下 目录 图示过程 核心代码 图示过程 核心代码 def mini_XCEPTION(inp ...
最新文章
- hdu3987 最小割边数
- 压缩图片_Word快速压缩图片大小
- iOS7下隐藏status bar的详细研究
- JVM优化系列-Stop-The-World实战
- Job 存储和持久化 (第一部分)
- C语言之字符串探究(五):N系列字符串函数——strncpy、strncat、strncmp
- 超分辨率分析(一)--传统方案综述
- hdu3947 给一些已知(需费用)路径去覆盖一些边 //预先加灌法费用流
- CSS部分设置背景颜色为半透明
- sketch怎么把psd导出为HTML,如何巧妙将sketch文档完美转换成PSD
- allure定制测试报告,修改allure报告标题及logo
- 苹果发布会2014发布会简单总结
- 黑马程序员--typedef关键字和结构体 枚举类型
- 【IntelliJ IDEA】编码设置终极版
- MySQL 数据库的基本操作
- 《电子工艺训练》课程笔记(四)————印制电路板设计
- mysql front 安全设置_MySQL-Front 操作限制 解决办法
- 我的架构梦:(七十) 消息中间件之RabbitMQ的消息可靠性
- 山东大学软件学院数据结构复习题目
- 了解指纹锁方案技术特点和优点——西城微科