Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
DTMでの音色検索を対象とした
機械学習アルゴリズムの提案
2016年09月09日
公立はこだて未来大学
修士2年齋藤 創 (g2115015@fun.ac.jp)
大場 みち子
Propose of Machine Learning Algo...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
1. 背景
2. 先行研究
3. 目的・目標
4. 研究課題
5. 課題解決アプローチ
6. 今後の展望
本日の流れ
2016/09/09...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
2
背景
背 景
PC上での作曲...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
背景 <音色づくり>
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
3
構想 ...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
関連システム <TASS>
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
4
...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
5
関連システム <TASS デ...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
6
問題点
背 景
TASS
検...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
7
先行研究
先行研究
目的:D...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
課題解決手法
1. 言語表現 <HEVNER>
2. 音響特徴量 <MFCC>
2016/09/09
FIT2016 E-25
DTMでの...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
言語表現
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
9
音楽の心理的表現を...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
音響特徴量
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
10
※音声認識(声...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
本年度研究
 目的
 DTM作曲者が効率よく任意の音色づくり情報を
見つけることができるようにする
 目標
1. DTM作曲者一人ひ...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
研究課題
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
12
研究課題
検索フ...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
課題解決アプローチ
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
13
課題解...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
機械学習アルゴリズム
1. 回帰式
 ユーザの入力を考慮したアルゴリズムを作成
2. SVM(SupportVectorMachine)...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
機械学習アルゴリズム <回帰式>
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
機械学習アルゴリズム <回帰式>
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
機械学習アルゴリズム <回帰式>
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
機械学習アルゴリズム <回帰式>
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
機械学習アルゴリズム <SVM>
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
20
SVM <入力値例>
課題...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
アルゴリズム検証
 手法
 被験者3名
 8つの形容詞クラスタ毎に25種類の音色を評価
 SVMはレベル数をそれぞれ検証
 Le...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
アルゴリズム検証 <結果>
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
22...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
機械学習
アルゴリズム
一致率(%)
被験者
全体
A B C
SVM
レ
ベ
ル
数
2 49.5 66.5 62.0 59.3
3 5...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
機械学習
アルゴリズム
一致率(%)
被験者
全体
A B C
SVM
レ
ベ
ル
数
2 49.5 66.5 62.0 59.3
3 5...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
25
回帰式の修正
x∈(1,2...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
26
回帰式の修正
TASS
検...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
27
回帰式の修正
TASS
検...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
28
検証 <回帰式(2)>
課...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
29
検証 <回帰式(2)>
課...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
今後の展望
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
30
今後は改善した...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
検証
2016/09/09
FIT2016 E-25
DTMでの音色検索を対象とした機械学習アルゴリズムの提案
31
今後の展望
システム...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
参考文献
[1]斎藤明, “サービス・ドミナント・ロジックにおける価値共創概念と市場創造 : 「初音ミク」という
市場創造を中心として”,...
Oba
michiko
lab
背 景 先行研究 研究課題 課題解決
アプローチ
目的・目標 今後の展望
まとめ
 目的
 DTM作曲者が効率よく任意の音色づくり情報を
見つけることができるようにする
 課題解決アプローチ
 機械学習ア...
Upcoming SlideShare
Loading in …5
×

DTMでの音色検索を対象とした機械学習アルゴリズムの提案(for FIT2016)

228 views

Published on

en) Propose of MachineLearning Algorithms for the Searching Timbre Information.

Published in: Technology
  • Be the first to comment

DTMでの音色検索を対象とした機械学習アルゴリズムの提案(for FIT2016)

  1. 1. DTMでの音色検索を対象とした 機械学習アルゴリズムの提案 2016年09月09日 公立はこだて未来大学 修士2年齋藤 創 (g2115015@fun.ac.jp) 大場 みち子 Propose of Machine Learning Algorithms for the Searching Timbre Information on DTM Copyright © 2016 Hajime Saito. All rights reserved.
  2. 2. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 1. 背景 2. 先行研究 3. 目的・目標 4. 研究課題 5. 課題解決アプローチ 6. 今後の展望 本日の流れ 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 1
  3. 3. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 2 背景 背 景 PC上での作曲(DTM:DeskTop Music)が発展 作曲した作品を発表する場が成長 消費者生成系メディア(CGM:Consumer Generated Media)が発展[1] [1]斎藤明, “サービス・ドミナント・ロジックにおける価値共創概念と市場創造 : 「初音ミク」という市場創造を中心として,” 情報文化学会誌, vol. 21, no. 1, pp. 29–36, Aug. 2014.
  4. 4. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 背景 <音色づくり> 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 3 構想 音色づくり メロディ 作成 バランス 調整 (作曲プロセス例) 音色づくり定義 ソフトウェア音源のパラメータを調整し 楽曲に適した音色を作成する作業 ※音源を作成するソフトウェア例 背 景
  5. 5. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 関連システム <TASS> 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 4 音色づくり情報 オーディオファイル 説明用画像 音色づくり説明文 TASS[2] メタデータ ソフトウェア音源 (Synth1,初音ミク) ジャンル (エレクトロ,ロック) 雰囲気 (明るい,やわらかい) Timbre Adjustment Support System 作成したい音色と類似する音色の音色づくり情報を メタデータを用いて検索 [2]齋藤創, 大場みち子, “メタデータを活用したDTM(DeskTop Music)での音づくり支援システムの構築”, presented at the 情報処理学会第77回全国大 会, 2015. DTM作曲者 背 景
  6. 6. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 5 関連システム <TASS デモ>
  7. 7. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 6 問題点 背 景 TASS 検索上位 検索下位 Aさん Bさん 欲しい音色がすぐ 見つかった! 欲しい音色が なかなか見つからない ユーザによって音色の言語表現が異なる 単純な言語表現による検索だけでは うまく音色づくり情報を検索できない
  8. 8. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 7 先行研究 先行研究 目的:DTMでの音色づくりの効率化を図る 課題:単純な言語表現による検索だけでは うまく音色づくり情報を検索できない メタデータを利用した機械学習による DTM(DeskTop Music)での音色づくりの効率化 [3] [3]齋藤創, 大場みち子, “メタデータを利用した機械学習によるDTM(DeskTop Music)での音色づくりの効率化”, 研究報告音楽情報科学(MUS), vol. 2016-MUS-110, no. 15, pp. 1–6, Feb. 2016.
  9. 9. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 課題解決手法 1. 言語表現 <HEVNER> 2. 音響特徴量 <MFCC> 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 8 TASS 陽気な 機械学習 検 索 フ ィ ル タ 言語表現 明るい 音響特徴量 MFCC 1 2 これらを用いた機械学習により 検索フィルタを作成 先行研究
  10. 10. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 言語表現 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 9 音楽の心理的表現を形容する HEVNERの形容詞クラスタ[4] [4]K. HEVNER, “experimental studies of the elements of expression in music”, American Journal of Psychology, vol. 48, pp. 246–268, 1936. 重厚な / 神聖な Serious / Sacred C1 暗い / 悲しい Dark / Sad C2 夢の様な / 感傷的な Dreamy / Sentimental C3 静かな / 閑静な Calm / Sacred C4優美な / 明るい Delicate / Light C5 楽しい / 快活な Happy / Cheerful C6 劇的な / 大げさな Dramatic / Sensational C7 壮大な / 高尚な Majestic / Exalting C8 言語表現の指標として利用 先行研究
  11. 11. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 音響特徴量 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 10 ※音声認識(声紋認識、楽器同定等)などをする場合に用いる音声の解析データ[5] [5]千葉祐弥, “Q:さまざまな音響特徴量それぞれの使い方や意味を教えて下さい”, 音響学会ペディア. [Online]. Available: http://abcpedia.acoustics.jp/acoustic_feature_2.pdf. [Accessed: 30-Dec-2015]. [6]宮澤幸希, “メル周波数ケプストラム(MFCC) - Miyazawa’s Pukiwiki 公開版”, Miyazawa’s Pukiwiki 公開版, 29-Mar-2013. [Online]. Available: http://shower.human.waseda.ac.jp/~m-kouki/pukiwiki_public/66.html. [Accessed: 07-Jul-2015]. MFCC(Mel Frequency Cepstral Coefficient)[6] 人の聴覚特性を考慮しながらスペクトルの外形を表現する特徴量 音声認識や、楽器の同定に用いられる 音色を数値的に判別可能 先行研究 0 s (時間) 0 h() 振 幅 立ち上がり音 中間音 立ち上がり音と中間音のMFCCを利用
  12. 12. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 本年度研究  目的  DTM作曲者が効率よく任意の音色づくり情報を 見つけることができるようにする  目標 1. DTM作曲者一人ひとりの感性を考慮した検索フィルタを 作成する 2. 検索フィルタを適用したTASSv2を構築する 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 11 目的・目標 先行研究 本年度研究
  13. 13. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 研究課題 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 12 研究課題 検索フィルタを作成するための 機械学習アルゴリズムを 検証および選定する必要がある 先行研究では、機械学習に利用する値を定めた
  14. 14. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 課題解決アプローチ 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 13 課題解決 アプローチ アルゴリズム検証 ・回帰式とSVM(SupportVectorMachine)による検証 アルゴリズム選定 ・検証結果からシステムに導入する学習手法を選定 システム構築 ・機械学習アルゴリズムを適用したTASSv2を構築 有効性検証 ・アンケートやアクセスログから有効性を確認
  15. 15. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 機械学習アルゴリズム 1. 回帰式  ユーザの入力を考慮したアルゴリズムを作成 2. SVM(SupportVectorMachine)  既存の機械学習アルゴリズムとして利用 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 14 課題解決 アプローチ 本研究では次の2つのアルゴリズムを検証を行う
  16. 16. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 機械学習アルゴリズム <回帰式> 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 15 課題解決 アプローチ ……(1) x∈(1,2,3,…,8) :形容詞のクラスタ y∈(0,1,2,…,12) :mfcc次元数 fx :検索フィルタ my :閲覧情報の mfcc Cx :各クラスタの親データ C∈(C1,C2,C3,…,C8) Ix :入力された言語表現の値 Px :過去の検索フィル タ(初期値はCxのスカラー) 1. 言語表現の入力がない場合は検索フィルタは変化しない 2. 入力値が大きいほど、大きく更新される 3. 閲覧した音色と変更前の検索フィルタの差が大きいほど、大きく更新される 特徴 TASS 検 索 フ ィ ル タ 入 力
  17. 17. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 機械学習アルゴリズム <回帰式> 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 16 課題解決 アプローチ ……(1) 1. 言語表現の入力がない場合は検索フィルタは変化しない 2. 入力値が大きいほど、大きく更新される 3. 閲覧した音色と変更前の検索フィルタの差が大きいほど、大きく更新される 特徴 TASS 検 索 フ ィ ル タ 入 力 x∈(1,2,3,…,8) :形容詞のクラスタ y∈(0,1,2,…,12) :mfcc次元数 fx :検索フィルタ my :閲覧情報の mfcc Cx :各クラスタの親データ C∈(C1,C2,C3,…,C8) Ix :入力された言語表現の値 Px :過去の検索フィル タ(初期値はCxのスカラー)
  18. 18. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 機械学習アルゴリズム <回帰式> 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 17 課題解決 アプローチ ……(1) 1. 言語表現の入力がない場合は検索フィルタは変化しない 2. 入力値が大きいほど、大きく更新される 3. 閲覧した音色と変更前の検索フィルタの差が大きいほど、大きく更新される 特徴 TASS 検 索 フ ィ ル タ 入 力 x∈(1,2,3,…,8) :形容詞のクラスタ y∈(0,1,2,…,12) :mfcc次元数 fx :検索フィルタ my :閲覧情報の mfcc Cx :各クラスタの親データ C∈(C1,C2,C3,…,C8) Ix :入力された言語表現の値 Px :過去の検索フィル タ(初期値はCxのスカラー)
  19. 19. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 機械学習アルゴリズム <回帰式> 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 18 課題解決 アプローチ ……(1) 1. 言語表現の入力がない場合は検索フィルタは変化しない 2. 入力値が大きいほど、大きく更新される 3. 閲覧した音色と変更前の検索フィルタの差が大きいほど、大きく更新される 特徴 TASS 検 索 フ ィ ル タ 入 力 x∈(1,2,3,…,8) :形容詞のクラスタ y∈(0,1,2,…,12) :mfcc次元数 fx :検索フィルタ my :閲覧情報の mfcc Cx :各クラスタの親データ C∈(C1,C2,C3,…,C8) Ix :入力された言語表現の値 Px :過去の検索フィル タ(初期値はCxのスカラー)
  20. 20. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 機械学習アルゴリズム <SVM> 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 19 課題解決 アプローチ レベル数 例 網羅性 処理速度 2 3 4 5 明るい明るくはない 明るい明るくはない 明るい明るくはない 明るい明るくはない 低い 高い 早い 遅い SVMを用いて音色の表現のレベルを判別する SVM(SupportVectorMachine):パターン認識手法の一つ[7] [7]栗田多喜夫, “サポートベクターマシーン入門,” 産業技術総合研究所 脳神経情報研究部門, p. 21. ※ ※定義 言語表現の詳細化レベル
  21. 21. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 20 SVM <入力値例> 課題解決 アプローチ id Class mfcc-1 mfcc-2 mfcc-3 mfcc-4 ・・・・・・ mfcc-26 1 - 1.511313081 0.144192398 0.122701563 0.386854559 -0.012140065 2 ** 1.014427781 -0.64295423 -0.376046747 -0.104503296 0.009801606 3 *** 0.739102602 -0.188990891 -0.642014027 -0.249793604 -0.011665705 ・ ・ ・ 25 * 1.182803869 0.878320873 0.096936785 -0.021061091 0.028196063 形容詞クラスタC1 レベル数4の例 レベル数 入力無し - レベル1 * レベル2 * 立ち上がり音のMFCC 中間音のMFCC
  22. 22. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 アルゴリズム検証  手法  被験者3名  8つの形容詞クラスタ毎に25種類の音色を評価  SVMはレベル数をそれぞれ検証  Leave-One-Out※を用いて検証 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 21 課題解決 アプローチ ※標本から1つの事例を取り出して 評価データとし、残りを学習データ とする。全事例が1回は評価とな るように検定を繰り返す検証方法 24回分の学習結果と評価データの 一致した割合(一致率)を確認 1 2 3 n(=25) 1 2 n(=25) 学習データ 評価データ
  23. 23. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 アルゴリズム検証 <結果> 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 22 課題解決 アプローチ 機械学習 アルゴリズム 一致率(%) 被験者 全体 A B C SVM レ ベ ル 数 2 49.5 66.5 62.0 59.3 3 54.5 60.0 45.0 53.2 4 50.0 58.0 41.5 49.8 5 50.5 59.5 39.0 49.7 20 50.5 51.5 40.5 47.5 回帰式 84.2 41.2 44.4 55.6
  24. 24. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 機械学習 アルゴリズム 一致率(%) 被験者 全体 A B C SVM レ ベ ル 数 2 49.5 66.5 62.0 59.3 3 54.5 60.0 45.0 53.2 4 50.0 58.0 41.5 49.8 5 50.5 59.5 39.0 49.7 20 50.5 51.5 40.5 47.5 回帰式 84.2 41.2 44.4 55.6 アルゴリズム検証 <考察> 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 23 課題解決 アプローチ SVMの場合 一致率は50%前後となった 一致した値を調査 各クラスタに該当するかの判定精度は高い 一方、それ以外の判定精度は著しく低い (値が入力されるかどうか) 本研究で用いる機械学習アルゴリズムとして SVMは適切ではないということが判明した
  25. 25. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 機械学習 アルゴリズム 一致率(%) 被験者 全体 A B C SVM レ ベ ル 数 2 49.5 66.5 62.0 59.3 3 54.5 60.0 45.0 53.2 4 50.0 58.0 41.5 49.8 5 50.5 59.5 39.0 49.7 20 50.5 51.5 40.5 47.5 回帰式 84.2 41.2 44.4 55.6 アルゴリズム検証 <考察> 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 24 課題解決 アプローチ SVMよりも一致率の精度は高い 一方、個人差が大きいため、 現状のアルゴリズムでは利用できない 回帰式の場合 回帰式を改良し、再度検証する必要がある 入力される形容詞クラスタの種類や学習値のバラツキ原因
  26. 26. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 25 回帰式の修正 x∈(1,2,3,…,8) :形容詞のクラスタ C∈(C1,C2,C3,…,C8) fx :検索フィルタ m :閲覧情報の mfcc Cx :各クラスタの親データ Ix :入力された言語表現の値 n :同時に入力された形容詞 クラスタの数 Px :1回前の検索フィルタ(初期値はCxのスカラー) P’x :2回前の検索フィルタ(初期値はCx のスカラー) TASS 検 索 フ ィ ル タ 入 力 ……(2) 課題解決 アプローチ
  27. 27. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 26 回帰式の修正 TASS 検 索 フ ィ ル タ 入 力 ……(2) 1. 入力する形容詞クラスタの種類が多いほど小さく更新する 課題解決 アプローチ C1もC3も C4もC6も… 少ないほど大きく更新する x∈(1,2,3,…,8) :形容詞のクラスタ C∈(C1,C2,C3,…,C8) fx :検索フィルタ m :閲覧情報の mfcc Cx :各クラスタの親データ Ix :入力された言語表現の値 n :同時に入力された形容詞 クラスタの数 Px :1回前の検索フィルタ(初期値はCxのスカラー) P’x :2回前の検索フィルタ(初期値はCx のスカラー)
  28. 28. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 27 回帰式の修正 TASS 検 索 フ ィ ル タ 入 力 ……(2) 次元数を増やし、 極端な値が入力された場合でも急激な値の変化※を防ぐ 課題解決 アプローチ ※値のバラツキを防ぎ、個人差を小さくする x∈(1,2,3,…,8) :形容詞のクラスタ C∈(C1,C2,C3,…,C8) fx :検索フィルタ m :閲覧情報の mfcc Cx :各クラスタの親データ Ix :入力された言語表現の値 n :同時に入力された形容詞 クラスタの数 Px :1回前の検索フィルタ(初期値はCxのスカラー) P’x :2回前の検索フィルタ(初期値はCx のスカラー)
  29. 29. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 28 検証 <回帰式(2)> 課題解決 アプローチ 一致率(%) 被験者 全体 A B C SVM レベル数20 50.5 51.5 40.5 47.6 回帰式(1) 84.2 41.2 44.4 55.6 回帰式(2) 70.6 56.3 75.0 67.9 回帰式(2)において、同様の検証を実施
  30. 30. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 29 検証 <回帰式(2)> 課題解決 アプローチ 一致率が向上し、個人差も小さくなった 0 10 20 30 40 50 60 70 80 90 100 SVM (レベル数20) 回帰式(1) 回帰式(2) アルゴリズム別一致率まとめグラフ 被験者A 被験者B 被験者C 全体 個人差
  31. 31. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 今後の展望 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 30 今後は改善した回帰式をTASSに適用し TASSv2を構築する 今後の展望 1. 改善した回帰式を適用したシステムの構築 2. 機械学習アルゴリズムの有効性検証
  32. 32. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 検証 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 31 今後の展望 システムをリリースし、検証する 定量的評価 定性的評価 アクセスログから 検索フィルタの有効性を 検証する アンケートを実施し TASSv2のユーザビリティ を検証する ※ ※検索フィルタの使用感やTASSv2の使いやすさ
  33. 33. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 参考文献 [1]斎藤明, “サービス・ドミナント・ロジックにおける価値共創概念と市場創造 : 「初音ミク」という 市場創造を中心として”, 情報文化学会誌, vol. 21, no. 1, pp. 29–36, Aug. 2014. [2]齋藤創, 大場みち子, “メタデータを活用したDTM(DeskTop Music)での音づくり支援システムの構 築”, presented at the 情報処理学会第77回全国大会, 2015. [3]齋藤創 and 大場みち子, “メタデータを利用した機械学習によるDTM(DeskTop Music)での音色づく りの効率化”, 研究報告音楽情報科学(MUS), vol. 2016-MUS-110, no. 15, pp. 1–6, Feb. 2016. [4]K. HEVNER, “experimental studies of the elements of expression in music”, American Journal of Psychology, vol. 48, pp. 246–268, 1936. [5]千葉祐弥, “Q:さまざまな音響特徴量それぞれの使い方や意味を教えて下さい,” 音響学会ペディア. [Online]. Available: http://abcpedia.acoustics.jp/acoustic_feature_2.pdf. [Accessed: 30-Dec-2015]. [6]宮澤幸希, “メル周波数ケプストラム(MFCC) - Miyazawa’s Pukiwiki 公開版,” Miyazawa’s Pukiwiki 公開版, 29-Mar-2013. [Online]. Available: http://shower.human.waseda.ac.jp/~m-kouki/pukiwiki_public/66.html. [Accessed: 07-Jul-2015]. [7]栗田多喜夫, “サポートベクターマシーン入門,” 産業技術総合研究所 脳神経情報研究部門, p. 0-21. 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 32
  34. 34. Oba michiko lab 背 景 先行研究 研究課題 課題解決 アプローチ 目的・目標 今後の展望 まとめ  目的  DTM作曲者が効率よく任意の音色づくり情報を 見つけることができるようにする  課題解決アプローチ  機械学習アルゴリズムの検証の実施 適用するアルゴリズムを選定  結果・今後の予定  機械学習アルゴリズムとして回帰式(2)が適切である事が判明  改善した回帰式を用いてシステムを構築 アクセスログ等から有効性を検証 2016/09/09 FIT2016 E-25 DTMでの音色検索を対象とした機械学習アルゴリズムの提案 33

×