دانشگاه اصفهان

دانشکده مهندسی کامپیوتر

گروه مهندسی نرم افزار

 استاد راهنما:

دکتررضا رمضانی

 استاد داور داخل:

دکتر احمد براآنی

دکتر افسانه فاطمی

 استاد داور خارج:

دکتر زینب مالکی

دکتر سیدمصطفی فخر احمد

 پژوهشگر:

مهدی کیانی

 تاریخ برگزاری:

چهارشنبه 20 خرداد 1405

ساعت: 10:30 صبح

مکان برگزاری:

سالن ویدئو کنفرانس،

دانشکده مهندسی کامپیوتر

باسمه‌تعالی

جلسه دفاع از پایان‌نامه دکتری

مهندسی کامپیوتر گرایش مهندسی نرم‌افزار

برچسب‌زنی خودکار چندبعدی موسیقی میکروتونال

گسترش سامانه‌های پخش و فروش آنلاین موسیقی در عصر موسیقی دیجیتال، نیاز به تحلیل خودکار محتوای موسیقایی را به یک مسئله مهم در سطح صنعتی و پژوهشی تبدیل کرده است. کارکردهایی مانند جستجوی سریع، پیشنهاددهی شخصی‌سازی‌شده، و تولید فهرست‌های پخش، مستلزم آن هستند که ویژگی‌های معنایی و موسیقایی هر قطعه با دقت شناسایی شوند. ازاین‌رو، برچسب‌زنی خودکار موسیقی به‌عنوان یکی از مسائل محوری در بازیابی اطلاعات موسیقی، نقشی اساسی در کارآمدی این سامانه‌ها پیدا کرده است. برای رسیدن به این اهداف لازم است تا ویژگی‌های هر قطعه موسیقی (مثلاً دستگاهی که آن قطعه موسیقی در آن نواخته یا خوانده‌شده، یا سازهایی که در آن قطعه استفاده‌شده، یا وضعیت ضرب‌آهنگ قطعه) به‌دقت شناسایی و سپس برچسب‌زنی شود. با توجه به تعداد و تنوع بسیار زیاد این موسیقی‌ها و همچنین تخصصی بودن رشته موسیقی، مشخص است که تعیین ویژگی‌های موسیقایی هر قطعه و برچسب زدن به آن‌ها به‌صورت دستی بسیار هزینه‌بر، زمان‌بر و عملاً غیرممکن است. لذا نیاز به ابزارهایی است که این فرایند را به‌صورت خودکار انجام دهند. به همین جهت حوزه پژوهشی نسبتاً جدیدی به نام بازیابی اطلاعات موسیقی کانون توجه محققین قرارگرفته است. بااین‌حال اکثر پژوهش‌های انجام‌شده در این حوزه بر مبنای موسیقی غربی و نظام تقسیم‌بندی دوازده‌پرده‌ای یکسان توسعه‌یافته‌اند و در مواجهه با موسیقی‌های میکروتونال مانند موسیقی دستگاهی ایرانی، با سه چالش اساسی الف) نبود مجموعه‌داده مناسب، ب) نیاز به بازنمایی مؤثر الگوهای ملودی و ج) معماری منحصربه‌فرد برای پردازش مؤثر بازنمایی‌ها و پیش‌بینی برچسب‌ها روبرو هستند. این رساله، در پاسخ به چالش اول، با معرفی مجموعه‌داده چکاوک با 7،036 قطعه موسیقی دستگاهی ایرانی در سه وجه ژانر، ساز و ویژگی‌های بافتی (شامل 28 برچسب)، برای اولین بار، یک مجموعه‌داده معیار برای موسیقی دستگاهی ایرانی را معرفی می‌کند. در پاسخ به چالش دوم و سوم، معماری همایون، یک معماری مبتنی بر ترنسفورمر معرفی می‌شود. معماری همایون با مؤلفه‌های بدیع خود نظیر ماتریس انتقال پویا و مکانیسم توجه متقابل نامتقارن، بازنمایی مؤثری از ویژگی‌های صوتی موسیقی میکروتونال را با هدایت الگوهای ملودی، در جهت پیش‌بینی مؤثر برچسب‌های هر قطعه موسیقی ارائه می‌کند. معماری همایون بر روی چهار مجموعه‌داده میکروتونال چکاوک، ژانر عربی و ترکی (ژانر و احساس) به ترتیب توانست مقادیر 76.4، 76.2، 80.8 و 80.7 را برای معیار Macro-F1 ثبت کند که نسبت به بهترین مدل پایه به ترتیب 14.5، 5.8، 4.9 و 4.3 درصد بهبود را نشان می‌‌دهد. در مورد موسیقی غربی هم معماری همایون با تست بر روی مجموعه‌داده جی‌تی‌زان، توانست دقت رقابتی 77.4 نسبت به بهترین مدل پایه (مِرت با دقت 83.1) کسب کند.