Verfahren zur automatischen Erkennung und Klassifizierung von musikalischen Eigenschaften wie der Instrumentierung helfen dabei, digitale Musikarchive durchsuchbar zu machen und verborgene Musikschätze zu heben. In ihrem Paper untersuchen die Forscher Methoden zur Instrumentenklassifikation auf klassischer Musik mit Hilfe von neuronalen Netzen. Typischerweise wird zunächst ein Vorverarbeitungsschritt durchgeführt, bei dem aus einem Audiosignal Merkmale wie z.B. das Spektrogramm extrahiert werden. Dies ermöglicht u.a. eine kompakte Repräsentation des Audiosignals. Die extrahierten Merkmale sind dann Gegenstand der eigentlichen Tiefenuntersuchung durch ein neuronales Netz (Deep Learning), auf deren Ergebnis sich die Klassifikation stützt. In ihrer Arbeit untersuchten die Wissenschaftler, wie stark die Genauigkeit und Qualität des Klassifikationsergebnisses von diesem Vorverarbeitungsschritt abhängig sind. Das Ergebnis zeigte: Der eigentliche Klassifikationsalgorithmus wird dadurch viel stärker beeinflusst, als man zunächst annimmt.

Die Wissenschaftler überzeugten nicht nur mit der ausgewählten Forschungsfrage, sondern auch mit einer gut aufbereiteten Darstellung und einer anschaulichen Präsentation im Rahmen der Online-Konferenz.

Für das Fraunhofer IDMT ist es bereits der 2. CMMR Best Paper Award. Matthias Nowakowski, Christof Weiß und Jakob Abeßer wurden 2019 für das Paper »Towards Deep Learning Strategies for Transcribing Electroacoustic Music« ausgezeichnet.  

Die CMMR Conference beschäftigt sich mit verschiedenen Facetten von Musik. So gehören zum breiten Spektrum der Konferenz die Themen Choreografie, Psychologie, Wahrnehmung von und Interaktion mit Musik – aber auch maschinelles Lernen für Audio- bzw.  Musiksignale und audiovisuelle Medien. Die Konferenz wurde vom 15. bis 19. November 2021 als Online-Veranstaltung durchgeführt.