Müzik türü sınıflandırma
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: YUNUS ATAHAN
Asıl Danışman (Eş Danışmanlı Tezler İçin): Nizamettin Aydın
Eş Danışman: Ahmet Elbir
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Müzik internetin gelişmesi ile, erişimi ve paylaşımının kolaylığı nedeniyle eskisinden çok daha fazla insana ulaşmaya başlamıştır. Bunun sonucunda müzik platformları ortaya çıkmış ve insanlara dünyanın dört bir yanından müzikleri ulaştırmayı sağlamışlardır. Müzik platformlarının amaçlarından birisi de kullanıcıları platformlarında olabildiğince uzun süre tutabilmektir. Bunun için müzik öneri sistemleri kullanılarak kullanıcıların dinlediğinde sevebileceği müzikler kullanıcıya ulaştırılır. Müzik öneri sistemlerinde uygulanan bir yol, müzik türüne göre öneri yapılmasıdır. Kullanıcının dinlediği müziklerin türleri incelenir ve aynı tür yada uygun olabilecek türler kullanıcıya sunulur. Bu aşamada otomatik müzik türü sınıflandırma algoritmalarının kullanımı son yıllarda hızlı bir artmıştır. Müzik türlerinin insanlar tarafından çok iyi bir başarı ile sınıflandırılamaması, çok uzun zaman alması, ve kişiden kişiye müzik kavramının değişebilmesi gibi sebepler otomatik tür sınıflandırma algoritmalarının geliştirilmesine yol açmıştır. Bu çalışmada müziğin akustik özellikleri kullanıldı. Müziğin hem zaman hem de frekans uzayında ayırt edici nitelikleri vardır. Bu nitelikler farklı müzik türlerinde farklı ve aynı müzik türlerinde benzer özellik gösterdiğinden dolayı müzik türü sınıflandırma amacıyla kullanılmıştır. Bu tezde müziğin ses özelliklerinin kullanımı ile elde edilen sınıflandırma sonuçları, otomatik kodlayıcılar ile özellik çıkarımı yapılarak elde edilen sınıflandırma sonuçları ve bir boyutlu yapay derin öğrenme ağı ile yapılan sınıflandırma sonuçları karşılaştırılmıştır. Bu karşılaştırmaların yapılabilmesi için daha önce bu alanda yapılan çalışmalarda sıkça kullanılan bir veri seti seçilmiştir. Veri seti özellik çıkarımına uygun ve yapay sinir ağlarına girdi olabilecek şekilde düzenlenmiştir. Müziklerden ses özellik çıkarımı zaman ve frekans bölgesi özellikleri ile yapılmıştır. Otomatik kodlayıcılar için, müziğin kısa zamanda Fourier dönüşümü alındıktan sonra elde edilen veriler resim verisi şeklinde temsil edilmiş ve otomatik kodlayıcı evrişimli sinir ağı olarak oluşturulmuştur. Tek boyutlu derin öğrenme ağı için ise müzik belirli uzunluklara bölünmüş ve ham ses verisi ağa girdi olarak verilmiştir. Yapılan çalışmalar sonucunda akustik özellik çıkarımı kullanılarak yapılan sınıflandırmanın sonuçlarının otomatik kodlayıcıdan gelen sonuçlardan çok daha iyi olduğu gözlenmiştir. Tek boyutlu derin öğrenme ağı ise her iki yöntemden daha iyi sonuç vermiştir. Yapılan bu çalışma her ne kadar otomatik kodlayıcılardan elde edilen sonuçlar istenilen kadar iyi olmasa da, tek boyutlu ağdan elde edilen sonuçlar özellik çıkarımının yapay zeka ile de yapılabileceğini göstermiştir. Gelecekteki çalışmalarda farklı yapay sinir ağları ve derin öğrenme yöntemleri denenerek özellik çıkarımının nasıl sonuçlar vereceği gözlemlenebilir.