19 Juin – Apprentissage automatique de caractéristiques audio : application à la génération de listes de lecture thématiques
14 h Amphi du LaBRI
Soutenance de thèse - Yann Bayle
© Yann Bayle / SCRIME
Résumé :
Je présente, discute et propose des outils de fouille automatique de mégadonnées dans un contexte de classification supervisée musicale. Le travail présenté tente donc d'améliorer l'ensemble de la chaîne de traitement de l'analyse musicale afin de proposer de nouvelles playlists générées algorithmiquement. Je présente tout d'abord les différents contextes et concepts autour des mégadonnées musicales ainsi que de leur consommation. Une description des problèmes relatifs à la variété et à la disproportion des thèmes musicaux dans les bases de données est ensuite effectuée. Des caractéristiques audio sont proposées afin d'extraire des informations pertinentes pour chaque trame du signal audio. Une nouvelle méthode d'agrégation de ces caractéristiques audio locales est proposée puis évaluée. Enfin, différentes méthodes d'apprentissage machine et profond sont testées dans la classification supervisée de thèmes musicaux.
Mots-clés :
Fouille de mégadonnées, Traitement numérique du signal audio, Apprentissage automatique, Apprentissage profond, Classification supervisée, Systèmes de recommandation musicale, Annotations musicales automatiques
Jury :
Rapporteurs :
- Frédéric Bimbot, IRISA, Univ. Rennes
- Julien Pinquier, IRIT, Univ. Toulouse
Examinatrice et examinateur :
- Olivier Adam, UPMC, Univ. Paris Sud
- Myriam Desainte-Catherine, LaBRI, Univ. de Bordeaux
Directeurs :
- Pierre Hanna, LaBRI, Univ. de Bordeaux
- Matthias Robine, LaBRI, Univ. de Bordeaux