Vortrag

21. Deep Learning Meetup - Deep Learning for Music & Audio


Deep Learning für Musik & Audio

Freier Eintritt bei Anmeldung unter:
https://www.meetup.com/de-DE/Vienna-Deep-Learning-Meetup/events/255361581/

In den letzten Jahren haben wir einen großen Zuwachs an Musikdiensten erlebt - und die Anzahl der Lieder, die sie anbieten. Musik-Streaming-Dienste locken uns jetzt mit Zugriff auf Millionen von Songs. Aber wie findest du deine Musik in solchen Katalogen? Nach Genre? Nach Stimmung? Nach Gelegenheit? Und wie kann man diese Eigenschaften aus Musikihalten vorhersagen? Wie interpretiere ich eine Performance und wie schreibe ich sie in Noten?

In diesem Meetup konzentrieren wir uns auf den komplexen Forschungsbereich von Music Information Retrieval und wie Deep Learning dieses Feld derzeit transformiert.

Vortrag 1:
Deep Learning für Musik & Audio Analyse
Thomas Lidy, Musimap und Alexander Schindler, AIT

Thomas und Alexander werden uns zeigen, wie Musik mit Deep Learning analysiert wird, basierend auf Audio-Spektrogrammen als Input. Sie werden mit bekannten Convolutional Neural Networks beginnen und dabei auf die wesentlichen Unterschiede zur CNN-Analyse von Bildern hinweisen. Sie werden verschiedene Aufgaben in der Audio-Domäne abdecken, wie zum Beispiel Musik / Sprachtrennung, Instrumental- / Vokalerkennung, Genreerkennung oder das Erkennen von Stimmungen und Emotionen in Musik. Dieser Vortrag wird auch fortgeschrittenere Themen wie Siamese Networks for Music Similarity und LSTM Recurrent Neural Networks for Beat Detection beinhalten. Abschließend verweisen sie auf das Erste-Schritte-Tutorial für Musikanalyse, das kostenlos auf Github zur Verfügung gestellt wird.

Vortrag 2:
Drum-Transkription durch Joint-Beat- und Drum-Modelling mit Convolutional Neural Networks - Richard Vogl, TU Wien

Bei der Arbeit mit Deep Learning stehen wir manchmal vor der Kritik, willkürlich gestaltete Black-Box-Systeme zu verwenden. Die Integration von Domänenwissen in Problemmodellierung und Netzwerkarchitektur kann jedoch die Leistung von trainierten Modellen für komplexe Aufgaben verbessern. Dieser Vortrag demonstriert dieses Prinzip im Kontext der automatischen Drum-Transkription, wobei das Ziel darin besteht, aus einem Audiosignal eine symbolische Darstellung von Drum-Note-Onsets zu extrahieren.

Hot-Topics
Die diesjährige Hauptkonferenz der International Society of Music Information Retrieval (ISMIR 2018, http://ismir2018.ircam.fr) zeigte, dass Deep Learning auch die Musikanalyse vorantreibt. Als drei unserer Gastgeber auf dieser Konferenz waren, werden sie eine kurze Zusammenfassung von neuartigen Ansätzen für verschiedene Aufgaben im Bereich der Musikanalyse zeigen. Jan wird (remote) seinen neuartigen Ansatz der Null-Mittel-Convolution für Level-Invariante Singende Spracherkennung vorstellen. Alex und Tom werden mit einem Überblick über andere "heiße" neue Ansätze folgen.

Dann berichtet Stephan Wöber von A1 vom jüngsten Spark & ​​AI Summit in London.
Abschließend berichtet Rene Donner, Leiter des Bereichs Machine Learning & Engineering bei Contextflow, über weitere Fortschritte im Bereich Deep Learning.

Begleiten Sie uns zu Networking & Diskussionen in der Pause und nach den Gesprächen.

Wir möchten uns ausdrücklich bei Anexia IT bedanken, die nicht nur den Veranstaltungsort und das Catering dieses Meetups gesponsert, sondern auch das brandneue offizielle Deep Learning Meetup T-Shirt von Vienna produziert hat! Es gab eine Abstimmung, um zwischen zwei verschiedenen Designs zu entscheiden und wir werden stolz das Gewinner-Design heute Abend verkünden! Bitte komm zum Meetup um dein kostenloses T-Shirt zu bekommen (sie sind limitiert! ;-).

Wir freuen uns darauf, Sie willkommen zu heißen,
Tom, Alex, Rene und Jan


Vergangene Termine