Automatische Musikanalyse

Analyse und Annotation von Audio- und Videoinhalten

Audiosignalverarbeitung und maschinelles Lernen für die Musikanalyse

Audiosignalverarbeitung und maschinelles Lernen revolutionieren die Musikanalyse. Von Audio-Matching über Annotation und Ähnlichkeitssuche bis hin zur automatischen Musiktranskription und -generierung eröffnen sich dadurch neue Anwendungsmöglichkeiten für Broadcast Monitoring, Musiksuche und -empfehlung, Musikproduktion und Musiklernprogramme.

Unser Ziel ist es, mit unseren Ansätzen und Techniken zur automatischen Musikanalyse einen schnellen und maßgeschneiderten Zugriff auf musikalische Inhalte zu ermöglichen. Wir entwickeln praxisorientierte Lösungen, die in verschiedenen Anwendungsbereichen wie Unterhaltung, Bildung und Musikproduktion zur Anwendung kommen. Neben der Verbesserung bestehender Technologien, wollen wir neue Anwendungsmöglichkeiten für die automatische Musikanalyse aufzeigen und wirken an der Weiterentwicklung von Algorithmen und Methoden mit.

Aktuelles

 

Pressemitteilung / 12.4.2024

Werbemonitoring für SWR Radio

Unser Audio Matching ersetzt manuelle Überprüfung ausgestrahlter Werbespots 

 

Event / 12.3.2024

DataTech 2024

Wir beteiligen uns mit dem Vortrag »Digital Traces: Verification of Audio-Visual Content« am Data Technology Seminar 2024 – dem jährlichen Event der EBU rund um die Themen Daten und KI für Medien.

 

Neues Projekt

Mit der KI im musikalischen Frage-Antwort-Spiel

Entwicklung einer KI-basierten Kompositions-App

Musikdaten verstehen

Wie finde ich schnell ein passendes Musikstück in einem großen Musikkatalog? Kann ich mir automatisch den passenden Beat für eine Musikproduktion empfehlen lassen, an der ich gerade arbeite? Welche Programme in meinem Archiv sind die erfolgreichsten? Das sind typische Fragestellungen, bei denen unsere Technologien zur Musikanalyse helfen können.

Audiosignalverarbeitung und maschinelles Lernen haben die Musikanalyse grundlegend verändert. Die multidisziplinäre Forschungsrichtung „Music Information Retrieval“ umfasst Algorithmen und Techniken zur Extraktion musikalischer Informationen aus Audiodaten, um sie in interpretierbare Formate zu überführen. Die Ergebnisse kommen in Bereichen wie Broadcast Monitoring, Musiksuche und -empfehlung, Musikproduktion, Content Tracking und Musiklernprogramme zum Einsatz.

KI-basierte Musikanalysetechnologien

Allgemeine Herausforderungen in der automatischen Musikanalyse umfassen die Verarbeitung großer Datenmengen, die Berücksichtigung von Musikvielfalt und -kontext, die Robustheit gegenüber Variationen in der Aufnahmequalität sowie die effiziente Integration von Echtzeit-Analysealgorithmen für verschiedene Anwendungsbereiche.

Audio-Matching

Audio-Matching via Audio-Fingerprinting ermöglicht das Auffinden bestimmter Audioaufnahmen in Musiksammlungen und Streams. Dafür werden Medieninhalte anhand akustischer Fingerabdrücke verglichen und identifiziert. Das Audio-Matching wird zur Analyse der Musiknutzung im Broadcast-Monitoring, für Content-Tracking-Anwendungen, Archiv-Pflege sowie in Musiksuchmaschinen und Empfehlungssystemen eingesetzt.
 

Am Fraunhofer IDMT erforschen wir unter anderem, wie man die Genauigkeit und Effizienz der Audio-Matching-Techniken weiter verbessern kann, um eine präzisere Erkennung und Identifizierung von Medieninhalten zu ermöglichen.

Annotation und Ähnlichkeitssuche für Musik

Die Annotation und Ähnlichkeitssuche für Musik erleichtern die Organisation von Musiksammlungen und vereinfachen den Zugriff auf musikalische Inhalte. Durch die Verwendung von Metadaten können Such- und Empfehlungssysteme vielseitig eingesetzt werden, um automatisiert passende Musik oder musikalische Elemente zu finden  – zum Beispiel in Streamingdiensten für Endnutzer oder in der Musikproduktion.


Wir arbeiten daran, die Annotation und Ähnlichkeitssuche insbesondere für große und vielfältige Musiksammlungen weiter zu verbessern und Benutzerpräferenzen und kontextuelle Informationen noch stärker zu berücksichtigen.

Automatische Musiktranskription

Bei der automatischen Musiktranskription werden akustische Musiksignale in eine symbolische Musiknotation überführt und musikalische Strukturen wie Melodien, Akkorde und Rhythmen extrahiert. Eingesetzt werden diese Techniken in Musiklernprogrammen, in der Musikspielentwicklung und in musiktheoretischen Studien.


Die besonderen Herausforderungen der automatischen Musiktranskription liegen darin, komplexe musikalische Strukturen auch bei polyphonen Musikstücken oder in Situationen mit Hintergrund- und Störgeräuschen präzise, zuverlässig und in Echtzeit zu erfassen.

Automatische Musikgenerierung

Die automatische Musikgenerierung umfasst die Entwicklung von Algorithmen und KI-Systemen, die eigene kreative Musikstücke oder Teile davon erzeugen können. Von der automatischen Unterstützung im Musikproduktionsprozess und bei Live-Aufführungen bis hin zur Melodiegenerierung auf der Grundlage von Harmonien eröffnet die automatische Musikgenerierung neue kreative Ansätze in der Musikkomposition und -produktion.


Die automatische Musikgenerierung ist noch ein junges Forschungsfeld und erfordert weitere Fortschritte, um realistische und kohärente musikalische Ergebnisse zu erzeugen, die auch den Erwartungen von Musikschaffenden und Hörerinnen und Hörern entsprechen. Am Fraunhofer IDMT forschen wir daran, den Kompositionsprozess der KI transparent und steuerbar zu machen und so die kreative Zusammenarbeit von Musikschaffenden und KI zu  unterstützen.

 

Forschungsprojekt

Musik-Automat

Entwicklung einer KI-basierten Kompositions-App

 

Forschungsprojekt

ISAD 2

Entwicklung von erklärbaren und nachvollziehbare Deep‐Learning‐Modellen für ein besseres Verständnis der strukturellen und akustischen Eigenschaften von Klangquellen (Musik, Umwelt- und Umgebungsgeräusche)

 

Forschungsprojekt

AI4Media

Exzellenzprojekt für KI im Medienbereich – unsere Beiträge: Audioforensik, Audio-Herkunftsanalyse, Musikanalyse, technischer Datenschutz und Empfehlungssysteme

 

Referenzprojekt

Jamahook – AI Sound Matching

Suchmaschine für Loops und Beats basierend auf SoundsLike

 

Referenzprojekt

SWR Media Services

Audio Matching Software für automatisches Werbemonitoring von SWR Radioprogrammen

 

Forschungsprojekt

MusicBricks

Musical Building Blocks for Digital Makers and Content Creators: Innovative IKT Komponenten für KMU im Kreativbereich für die Entwicklung neuer Geschäftsmodelle

 

Forschungsprojekt

SyncGlobal

Weltmusikkataloge nach dramaturgischen Kriterien durchsuchen und mit Videoinhalten synchronisieren

 

Forschungsprojekt

GlobalMusic2one

Adaptive, hybride Suchtechnologien für die automatisierte Empfehlung und Online-Vermarktung globaler Musikbestände

Forschungsprojekt

MuSEc

Audioanalyse und datenschutzfreundliche Nutzungsmessung für Audio Monitoring

 

Forschungsprojekt

Emused

Interaktive App, mit der sich das Improvisieren auf einem Instrument erlernen lässt

 

Forschungsprojekt

MiCO

Plattform für multimodale und kontextbasierte Analyse, in die unterschiedlichste Analysekomponenten für verschiedene Medientypen integriert werden können

Produkte

 

SoundsLike

KI-basiertes Taggen und Suchen in großen Musikarchiven

 

Audio Matching

Einen bestimmten Audioausschnitt innerhalb eines Streams oder einer Datei wiederfinden – auch bei Störgeräuschen oder anhand eines sehr kurzen Audiobeispiels 

 

Sprach- und Musikdetektor

Software-Tool zur exakten Aufzeichnung von Musik- und Sprachanteilen für optimierte Radio- und TV-Programme und zur gerechten Abrechnung für Rechteverwerter

 

Automatische Musiktranskription

Umwandlung von akustischen Musiksignalen in Noten für Musikspielen und Musiklernprogramme

Jahr
Year
Titel/Autor:in
Title/Author
Publikationstyp
Publication Type
2023 An Introduction to Unsupervised Domain Adaptation in Sound and Music Processing
Bittner, Franca; Abeßer, Jakob
Konferenzbeitrag
Conference Paper
2023 Knowledge Transfer from Neural Networks for Speech Music Classification
Kehling, Christian; Cano, Estefanía
Konferenzbeitrag
Conference Paper
2023 Automatic Note-Level Score-to-Performance Alignments in the ASAP Dataset
Peter, Silvan David; Cancino-Chacón, Carlos Eduardo; Foscarin, Francesco; McLeod, Andrew; Henkel, Florian; Karystinaios, Emmanouil; Widmer, Gerhard
Zeitschriftenaufsatz
Journal Article
2023 Uncertainty in Semi-Supervised Audio Classification - A Novel Extension for FixMatch
Grollmisch, Sascha; Cano, Estefanía; Lukashevich, Hanna; Abeßer, Jakob
Konferenzbeitrag
Conference Paper
2023 Deep Learning-Based Music Instrument Recognition: Exploring Learned Feature Representations
Taenzer, Michael; Mimilakis, Stylianos Ioannis; Abeßer, Jakob
Konferenzbeitrag
Conference Paper
2023 How reliable are posterior class probabilities in automatic music classification?
Lukashevich, Hanna; Grollmisch, Sascha; Abeßer, Jakob; Stober, Sebastian; Bös, Joachim
Konferenzbeitrag
Conference Paper
2022 Periodicity Pitch Perception Part III: Sensibility and Pachinko Volatility
Feldhoff, F.; Toepfer, H.; Harczos, Tamás; Klefenz, Frank
Zeitschriftenaufsatz
Journal Article
2022 Multi-pitch Estimation meets Microphone Mismatch: Applicability of Domain Adaptation
Bittner, Franca; Gonzalez Rodriguez, Marcel; Richter, Maike; Lukashevich, Hanna; Abeßer, Jakob
Konferenzbeitrag
Conference Paper
2022 Towards Interpreting and Improving the Latent Space for Musical Chord Recognition
Nadar, Christon-Ragavan; Taenzer, Michael; Abeßer, Jakob
Konferenzbeitrag
Conference Paper
2022 Multi-input Architecture and Disentangled Representation Learning for Multi-dimensional Modeling of Music Similarity
Ribecky, Sebastian; Abeßer, Jakob; Lukashevich, Hanna
Zeitschriftenaufsatz
Journal Article
2022 JSD: A Dataset for Structure Analysis in Jazz Music
Balke, Stefan; Reck, Julian; Weiß, Christof; Abeßer, Jakob; Müller, Meinard
Zeitschriftenaufsatz
Journal Article
2022 Three Metrics for Musical Chord Label Evaluation
McLeod, Andrew; Suermondt, Xavier; Rammos, Yannis; Herff, Steffen A.; Rohrmeier, Martin A.
Konferenzbeitrag
Conference Paper
2021 A Benchmark Dataset to Study Microphone Mismatch Conditions for Piano Multipitch Estimation on Mobile Devices
Abeßer, Jakob; Bittner, Franca; Richter, Maike; Gonzalez Rodriguez, Marcel; Lukashevich, Hanna
Konferenzbeitrag
Conference Paper
2021 Jazz Bass Transcription Using a U-Net Architecture
Abeßer, J.; Müller, M.
Zeitschriftenaufsatz
Journal Article
2021 Informing Piano Multi-Pitch Estimation with Inferred Local Polyphony Based on Convolutional Neural Networks
Taenzer, Michael; Mimilakis, Stylianos I.; Abeßer, Jakob
Zeitschriftenaufsatz
Journal Article
2021 Improving Semi-Supervised Learning for Audio Classification with FixMatch
Grollmisch, Sascha; Cano, Estefanía
Zeitschriftenaufsatz
Journal Article
2021 Ensemble Size Classification in Colombian Andean String Music Recordings
Grollmisch, S.; Cano, E.; Mora Ángel, F.; López Gil, G.
Konferenzbeitrag
Conference Paper
2021 Predominant Jazz Instrument Recognition. Empirical Studies on Neural Network Architectures
Mimilakis, Stylianos I.; Abeßer, Jakob; Chauhan, Jaydeep; Pillai, Prateek Pradeep; Taenzer, Michael
Konferenzbeitrag
Conference Paper
2021 A Novel Dataset for Time-Dependent Harmonic Similarity between Chord Sequences
Bittner, Franca; Abeßer, Jakob; Nadar, Christon-Ragavan; Lukashevich, Hanna; Kramer, Patrick
Vortrag
Presentation
2021 Towards Deep Learning Strategies for Transcribing Electroacoustic Music
Abeßer, J.; Nowakowski, M.; Weiß, C.
Konferenzbeitrag
Conference Paper
2020 Cross-Version Singing Voice Detection in Opera Recordings: Challenges for Supervised Learning
Mimilakis, Stylianos Ioannis; Weiss, Christof; Arifi-Müller, Vlora; Abeßer, Jakob; Müller, Meinard
Konferenzbeitrag
Conference Paper
2019 Fundamental Frequency Contour Classification: A Comparison Between Hand-Crafted and CNN-Based Features
Abeßer, Jakob; Müller, Meinard
Konferenzbeitrag
Conference Paper
2019 Microtiming analysis in traditional shetland fiddle music
Cano, E.; Beveridge, S.
Konferenzbeitrag
Conference Paper
2019 ACMUS-MIR: A new annotated data set of Andean Colombian music
Mora-Ángel, Fernando; López Gil, Gustavo A.; Cano, Estefanía; Grollmisch, Sascha
Konferenzbeitrag
Conference Paper
2019 Automatic Chord Recognition in Music Education Applications
Grollmisch, Sascha; Cano, Estefanía
Konferenzbeitrag
Conference Paper
2019 Musical Source Separation
Cano, E.; FitzGerald, D.; Liutkus, A.; Plumbley, M.D.; Stöter, F.-R.
Zeitschriftenaufsatz
Journal Article
2019 Towards CNN-based Acoustic Modeling of Seventh Chords for Automatic Chord Recognition
Nadar, Christon-Ragavan; Abeßer, Jakob; Grollmisch, Sascha
Konferenzbeitrag
Conference Paper
2019 Investigating CNN-based Instrument Family Recognition for Western Classical Music Recordings
Mimilakis, Stylianos I.; Taenzer, Michael; Abeßer, Jakob; Weiss, Christof; Müller, Meinard; Lukashevich, Hanna
Konferenzbeitrag
Conference Paper
2019 Analysis and Visualisation of Music
Wunsche, B.C.; Müller, S.; Tänzer, M.
Konferenzbeitrag
Conference Paper
2019 Ensemble size classification in Colombian Andean string music recordings
Grollmisch, Sascha; Cano, Estefanía; Mora-Ãngel, Fernando; López Gil, Gustavo A.
Konferenzbeitrag
Conference Paper
2018 Retrieval of Song Lyrics from Sung Queries
Kruspe, A.M.; Goto, M.
Konferenzbeitrag
Conference Paper
2018 Computational Corpus Analysis: A Case Study on Jazz Solos
Weiß, Christof; Balke, Stefan; Abeßer, Jakob; Müller, Meinard
Konferenzbeitrag
Conference Paper
2018 MaD TwinNet: Masker-Denoiser Architecture with Twin Networks for Monaural Sound Source Separation
Drossos, K.; Serdyuk, D.; Virtanen, T.; Bengio, Y.; Mimilakis, S.I.; Schuller, G.
Konferenzbeitrag
Conference Paper
2018 Music Technology and Education
Cano, E.; Dittmar, C.; Abeßer, J.; Kehling, C.; Grollmisch, S.
Aufsatz in Buch
Book Article
2018 Improving Bass Saliency Estimation using Label Propagation and Transfer Learning
Abeßer, Jakob; Balke, Stefan; Müller, Meinard
Konferenzbeitrag
Conference Paper
2018 Jazz Solo Instrument Classification with Convolutional Neural Networks, Source Separation, and Transfer Learning
Gomez, Juan S.; Abeßer, Jakob; Cano, Estefanía
Konferenzbeitrag
Conference Paper
2018 Monaural Singing Voice Separation with Skip-Filtering Connections and Recurrent Inference of Time-Frequency Mask
Mimilakis, S.I.; Drossos, K.; Santos, J.F.; Virtanen, T.; Bengio, Y.; Schuller, G.
Konferenzbeitrag
Conference Paper
2018 Reducing interference with phase recovery in DNN-based monaural singing voice separation
Mimilakis, S.I.; Magron, P.; Drossos, K.; Virtanen, T.
Konferenzbeitrag
Conference Paper
2018 The dimensions of perceptual quality of sound source separation
Cano, Estefanía; Liebetrau, Judith; Fitzgerald, Derry; Brandenburg, Karlheinz
Konferenzbeitrag
Conference Paper
2018 Harmonic-percussive source separation with deep neural networks and phase recovery
Mimilakis, S.I.; Drossos, K.; Magron, P.; Virtanen, T.
Konferenzbeitrag
Conference Paper
2017 Computational methods for tonality-based style analysis of classical music audio recordings
Weiß, Christof
Dissertation
Doctoral Thesis
2017 Automatic speech/music discrimination for broadcast signals
Kruspe, Anna M.; Zapf, Dominik; Lukashevich, Hanna
Konferenzbeitrag
Conference Paper
2017 Soundslike - automatic content-based music annotation and recommendation for large databases
Grollmisch, Sascha; Lukashevich, Hanna
Konferenzbeitrag
Conference Paper
2017 Exploring sound source separation for acoustic condition monitoring in industrial scenarios
Cano, Estefanía; Nowak, Johannes; Grollmisch, Sascha
Konferenzbeitrag
Conference Paper
2017 A recurrent encoder-decoder approach with skip-filtering connections for monaural singing voice separation
Mimilakis, S.I.; Drossos, K.; Virtanen, T.; Schuller, G.
Konferenzbeitrag
Conference Paper
2017 Score-informed analysis of tuning, intonation, pitch modulation, and dynamics in jazz solos
Abeßer, Jakob; Frieler, Klaus; Cano, Estefanía; Pfleiderer, Martin; Zaddach, Wolf-Georg
Zeitschriftenaufsatz
Journal Article
2017 Instrument-centered music transcription of solo bass guitar recordings
Abeßer, Jakob; Schuller, Gerald
Zeitschriftenaufsatz
Journal Article
2017 Deep learning for jazz walking bass transcription
Abeßer, Jakob; Balke, Stefan; Frieler, Klaus; Pfleiderer, Martin; Müller, Meinard
Konferenzbeitrag
Conference Paper
2017 Data-driven solo voice enhancement for jazz music retrieval
Balke, Stefan; Dittmar, Christian; Abeßer, Jakob; Müller, Meinard
Konferenzbeitrag
Conference Paper
2016 Automatic best take detection for electric guitar and vocal studio recordings
Bönsel, Carsten; Abeßer, Jakob; Grollmisch, Sascha; Mimilakis, Stylianos-Ioannis
Konferenzbeitrag
Conference Paper
2016 Phonotactic language identification for singing
Kruspe, Anna M.
Konferenzbeitrag
Conference Paper
2016 Midlevel analysis of monophonic jazz solos: A new approach to the study of improvisation
Frieler, Klaus; Pfleiderer, Martin; Zaddach, Wolf-Georg; Abeßer, Jakob
Zeitschriftenaufsatz
Journal Article
2016 Bootstrapping a system for phoneme recognition and keyword spotting in unaccompanied singing
Kruspe, Anna M.
Konferenzbeitrag
Conference Paper
2016 Retrieval of textual song lyrics from sung inputs
Kruspe, Anna M.
Konferenzbeitrag
Conference Paper
2016 Towards evaluating multiple predominant melody annotations in jazz recordings
Balke, Stefan; Driedger, Jonathan; Abeßer, Jakob; Dittmar, Christian; Müller, Meinard
Konferenzbeitrag
Conference Paper
2016 New sonorities for jazz recordings: Separation and mixing using deep neural networks
Cano, Estefanía; Abeßer, Jakob; Schuller, Gerald; Mimilakis, Stylianos-Ioannis
Konferenzbeitrag
Conference Paper
2015 Keyword spotting in singing with duration-modeled HMMs
Kruspe, Anna M.
Konferenzbeitrag
Conference Paper
2015 Training phoneme models for singing with "songified" speech data
Kruspe, Anna M.
Konferenzbeitrag
Conference Paper
2015 Score-informed analysis of intonation and pitch modulation in jazz solos
Abeßer, Jakob; Cano, Estefanía; Frieler, Klaus; Pfleiderer, Martin; Zaddach, Wolf-Georg
Konferenzbeitrag
Conference Paper
2015 On the impact of key detection performance for identifying classical music styles
Weiß, Christof; Schaab, Maximilian
Konferenzbeitrag
Conference Paper
2015 Tonal complexity features for style classification of classical music
Weiß, Christof; Müller, Meinard
Konferenzbeitrag
Conference Paper
2014 Score-informed tracking and contextual analysis of fundamental frequency contours in trumpet and saxophone jazz solos
Abeßer, Jakob; Pfleiderer, Martin; Frieler, Klaus; Zaddach, Wolf-Georg
Konferenzbeitrag
Conference Paper
2014 Timbre-invariant audio features for style analysis of classical music
Weiss, Christof; Mauch, Matthias; Dixon, Simon
Konferenzbeitrag
Conference Paper
2014 Automatic competency assessment of rhythm performances of ninth-grade and tenth-grade pupils
Abeßer, J.; Dittmar, C.; Grollmisch, S.; Hasselhorn, J.; Lehmann, A.
Konferenzbeitrag
Conference Paper
2014 A mid-level approach to local tonality analysis: Extracting key signatures from audio
Weiss, C.; Cano, E.; Lukashevich, Hanna
Konferenzbeitrag
Conference Paper
2014 Pitch-informed solo and accompaniment separation towards its use in music education applications
Cano, Estefanía; Schuller, Gerald; Dittmar, Christian
Zeitschriftenaufsatz
Journal Article
2014 Automatic tablature transcription of electric guitar recordings by estimation of score- and instrument-related parameters
Kehling, Christian; Abeßer, Jakob; Dittmar, Christian; Schuller, Gerald
Konferenzbeitrag
Conference Paper
2014 A GMM Approach to Singing Language Identification
Kruspe, Anna M.; Abeßer, Jakob; Dittmar, Christian
Konferenzbeitrag
Conference Paper
2014 Chroma-based scale matching for audio tonality analysis
Weiss, Christof; Habryka, Julian
Konferenzbeitrag
Conference Paper
2014 Quantifying and visualizing tonal complexity
Weiss, Christof; Müller, Meinard
Konferenzbeitrag
Conference Paper
2014 Exploring phrase form structures. Pt.II: Monophonic jazz solos
Frieler, Klaus; Zaddach, Wolf-Georg; Abeßer, Jakob
Konferenzbeitrag
Conference Paper
2014 Real-time transcription and separation of drum recordings based on NMF decomposition
Dittmar, Christian; Gärtner, Daniel
Konferenzbeitrag
Conference Paper
2014 Phase-based harmonic/percussive separation
Cano, Estefanía; Plumbley, Mark; Dittmar, Christian
Konferenzbeitrag
Conference Paper
2014 Keyword spotting in a-capella singing
Kruspe, Anna M.
Konferenzbeitrag
Conference Paper
2014 Performer profiling as a method of examining the transmission of Scottish traditional music
Beveridge, Scott; Gibson, Ronnie; Cano, Estefanía
Konferenzbeitrag
Conference Paper
2014 Automatic style classification of jazz records with respect to rhythm, tempo, and tonality
Eppler, Arndt; Männchen, Andreas; Abeßer, Jakob; Weiss, Christof; Frieler, Klaus
Konferenzbeitrag
Conference Paper
2014 Improving singing language identification through i-vector extraction
Kruspe, Anna M.
Konferenzbeitrag
Conference Paper
2014 Dynamics in jazz improvisation - score-informed estimation and contextual analysis of tone intensities in trumpet and saxophone solos
Abeßer, Jakob; Cano, Estefanía; Frieler, Klaus; Pfleiderer, Martin
Konferenzbeitrag
Conference Paper
2014 Confidence measures in automatic music classification
Lukashevich, Hanna
Konferenzbeitrag
Conference Paper
2014 A multiple-expert framework for instrument recognition
Abeßer, J.; Dittmar, C.; Lukashevich, H.; Grasis, M.
Konferenzbeitrag
Conference Paper
2011 Server based pitch detection for web applications
Dittmar, C.; Grollmisch, S.; Cano, E.; Dressler, K.
Konferenzbeitrag
Conference Paper
2010 Automatic Detection of Audio Effects in Guitar and Bass Recordings
Abeßer, J.; Stein, M.; Dittmar, C.; Schuller, G.
Konferenzbeitrag
Conference Paper
2009 Feature Selection vs. Feature Space Transformation in Music Genre Classification Framework
Lukashevich, H.
Konferenzbeitrag
Conference Paper
2009 Feature selection vs. Feature Space Transformation in automatic music genre classification tasks
Lukashevich, Hanna
Konferenzbeitrag
Conference Paper
2004 Further steps towards drum transcription of polyphonic music
Dittmar, Christian; Uhle, Christian
Konferenzbeitrag
Conference Paper
2003 Using a Physiological Ear Model for Automatic Melody Transcription and Sound Source Recognition
Heinz, T.; Brückmann, A.
Konferenzbeitrag
Conference Paper
Diese Liste ist ein Auszug aus der Publikationsplattform Fraunhofer-Publica

This list has been generated from the publication platform Fraunhofer-Publica