Ircam AudioPrint : Réduction de Dimension des Empreintes Sonores par Analyse Discriminante

Rémi Mignot (1)

1 Analyse et synthèse sonores [Paris]

Dans le cadre du travail mis en œuvre pour l’amélioration de l’indexation audio du projet BeeMusic, nous avons développé de nouvelles empreintes sonores intrinsèquement plus robustes à certains types de dégradations audio : changement d’échelles (temps et fréquences), égalisation, bruit additif. Cependant, ces données obtenues, qui décrivent une portion de signal musical d’environ deux secondes, sont de très grande dimension : chacune de ces empreintes initiales est de dimension environ mille. Dans ce document, nous expliquons comment tirer partie de cette grande dimensionnalité pour accroître une fois de plus la robustesse. Ici, nous obtenons une réduction de dimension basée sur une analyse semblable à une analyse linéaire discriminante, qui permet de sélectionner par un apprentissage automatique les directions les plus informatives et les moins sensibles aux altérations.

Mots clés: Indexation audio; Analyse discriminante

Domaines: Machine Learning [stat.ML]; Traitement du signal et de l'image [eess.SP]

Rémi Mignot. Ircam AudioPrint : Réduction de Dimension des Empreintes Sonores par Analyse Discriminante. STMS - Sciences et Technologies de la Musique et du Son UMR 9912 IRCAM-CNRS-Sorbonne Université. 2016. ⟨hal-04470494⟩