[发明专利]音乐风格识别方法、装置、存储介质和电子设备

权利要求书

1.一种音乐风格识别方法，其特征在于，包括：

对待识别音频进行分段处理，获得多个音频片段；

提取每个音频片段的音频特征，输入训练好的基于卷积神经网络的音乐风格识别模型中，识别每个所述音频片段是否属于目标音乐风格；

其中，所述音乐风格识别模型包括具有多种卷积层数的多组卷积；

根据识别为属于所述目标音乐风格的音频片段在所述多个音频片段中的占比，获得所述待识别音频的目标音乐风格置信度；

根据所述待识别音频的目标音乐风格置信度、及置信度区间与音乐风格分类结果的目标对应关系，获得所述待识别音频的音乐风格识别结果。

2.如权利要求1所述的音乐风格识别方法，其特征在于，所述多组卷积包括：

至少一组第一卷积，每组所述第一卷积具有第一卷积层数，且每组所述第一卷积的每相邻两层卷积层之间设有激活函数；

至少一组第二卷积，每组所述第二卷积具有第二卷积层数，所述第二卷积层数不同于所述第一卷积层数，所述第二卷积和所述第一卷积分别用于提取所述音频特征的不同深度的特征。

3.如权利要求1所述的音乐风格识别方法，其特征在于，所述音乐风格识别模型还包括：

全连接部分，与包含所述多组卷积的卷积部分连接，用于对所述卷积部分输出的特征向量进行维度映射，输出包括含目标音乐风格标签的多个音乐风格标签对应的概率值的多维向量。

4.如权利要求1所述的音乐风格识别方法，其特征在于，所述音乐风格分类结果包括全部目标音乐风格、部分目标音乐风格、非目标音乐风格和伴奏音乐；

所述目标对应关系中，所述置信度区间与所述音乐风格分类结果一一对应，且所述全部目标音乐风格、所述部分目标音乐风格、所述非目标音乐风格和所述伴奏音乐对应的置信度区间依次减小。

5.如权利要求1所述的音乐风格识别方法，其特征在于，所述输入训练好的基于卷积神经网络的音乐风格识别模型中之前，还包括：

对样本音频集进行分段处理，获得用于训练的音频片段集，所述用于训练的音频片段集中包含携带音乐风格标签的样本音频片段，所述音乐风格标签包括目标音乐风格标签和非目标音乐风格标签；

提取每个用于训练的音频片段的音频特征，获得训练数据集；

采用所述训练数据集训练基于卷积神经网络构建的网络模型，获得所述音乐风格识别模型。

6.如权利要求1所述的音乐风格识别方法，其特征在于，所述输入训练好的基于卷积神经网络的音乐风格识别模型中之前，还包括：

对测试音频集进行分段处理，获得用于测试的音频片段集，所述测试音频集的音乐风格覆盖所述音乐风格分类结果；

提取每个用于测试的音频片段的音频特征，输入训练好的所述音乐风格识别模型中，识别每个所述用于测试的音频片段是否属于所述目标音乐风格；

根据每条测试音频中识别为属于所述目标音乐风格的用于测试的音频片段，在所述测试音频的用于测试的音频片段总数中的占比，获得每条所述测试音频的目标音乐风格置信度；

根据每条所述测试音频的目标音乐风格置信度、及置信度区间与音乐风格分类结果的初始对应关系，将每条所述测试音频归类至一种所述音乐风格分类结果；

根据每种所述音乐风格分类结果下归类到的测试音频，获得每种所述音乐风格分类结果的召回率；

根据每种所述音乐风格分类结果的召回率，调整所述初始对应关系中的每种所述音乐风格分类结果对应的置信度区间，直至每种所述音乐风格分类结果的召回率满足阈值，以获得所述目标对应关系。

7.如权利要求1、5或6所述的音乐风格识别方法，其特征在于，提取每个所述音频片段的音频特征之前，还包括：

对每个所述音频片段进行人声分离处理，以至少滤除每个所述音频片段中的伴奏数据。