[发明专利]一种音乐分类方法及装置

权利要求书

1.一种音乐分类方法，其特征在于，包括：

将待分类的音乐文件划分为N个音乐片段；其中，N为正整数；

分别提取所述N个音乐片段中每个音乐片段的声谱特征；

将所述N个音乐片段中每个音乐片段的声谱特征输入到预先训练的音乐分类模型中，得到所述N个音乐片段中每个音乐片段对应的M个类别的概率；其中，M为正整数；

根据所述N个音乐片段中每个音乐片段对应的M个类别的概率，确定所述音乐文件的类别；

所述根据所述N个音乐片段中每个音乐片段对应的M个类别的概率，确定所述音乐文件的类别，包括：

获取所述N个音乐片段中每个音乐片段对应的K个目标类别的概率；其中，K为大于1的整数，所述目标类别为所述M个类别中概率满足预设条件的类别；

分别将所述N个音乐片段对应的目标类别的概率中，相同类别的概率进行加权运算，得到各个类别的加权值；

将加权值最大的类别确定为所述音乐文件的类别；

所述预设条件为类别的概率大于预设概率值，或者，所述预设条件为类别的概率位于目标概率排序中的前L，所述目标概率排序为所述M个类别的概率按照从大到小排序，L为小于M的正整数。

2.根据权利要求1所述的方法，其特征在于，所述音乐分类模型为基于目标网络训练得到的分类模型，其中，所述目标网络包括第一网络，所述第一网络包括残差网络ResNet或是密集连接卷积网络DenseNet。

3.根据权利要求2所述的方法，其特征在于，所述目标网络还包括第二网络，且所述第二网络的输入端连接所述第一网络的输出端，其中，所述第二网络包括门控循环单元GRU网络或长短期记忆LSTM网络。

4.根据权利要求2所述的方法，其特征在于，用于所述音乐分类模型训练的损失函数为交叉熵损失函数。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述声谱特征为梅尔声谱特征。

6.根据权利要求1至4中任一项所述的方法，其特征在于，所述将待分类的音乐文件划分为N个音乐片段之前，所述方法还包括：

过滤所述待分类的音乐文件中的静音片段；

所述将待分类的音乐文件划分为N个音乐片段，包括：

将过滤静音片段后的音乐文件划分为N个音乐片段。

7.一种音乐分类装置，其特征在于，包括：

划分模块，用于将待分类的音乐文件划分为N个音乐片段；其中，N为正整数；

提取模块，用于分别提取所述N个音乐片段中每个音乐片段的声谱特征；

输入模块，用于将所述N个音乐片段中每个音乐片段的声谱特征输入到预先训练的音乐分类模型中，得到所述N个音乐片段中每个音乐片段对应的M个类别的概率；其中，M为正整数；

确定模块，用于根据所述N个音乐片段中每个音乐片段对应的M个类别的概率，确定所述音乐文件的类别；

所述确定模块具体用于：

获取所述N个音乐片段中每个音乐片段对应的K个目标类别的概率；其中，K为大于1的整数，所述目标类别为所述M个类别中概率满足预设条件的类别；

分别将所述N个音乐片段对应的目标类别的概率中，相同类别的概率进行加权运算，得到各个类别的加权值；

将加权值最大的类别确定为所述音乐文件的类别；

所述预设条件为类别的概率大于预设概率值，或者，所述预设条件为类别的概率位于目标概率排序中的前L，所述目标概率排序为所述M个类别的概率按照从大到小排序，L为小于M的正整数。

8.一种音乐分类装置，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的音乐分类方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的音乐分类方法的步骤。