Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Facultad de Ingeniera
Departamento de Ciencia de la Computacin
II.
JUSTIFICACION
La investigacin de la deteccin de emociones en la msica y la extraccin
de informacin a partir de las ondas sonoras de la pieza han sido muy
utilizados en plataformas de msica que se adapten al estado de nimo del
oyente, o incluso para el desarrollo de algoritmos que compongan melodas
similares, basndose en las caractersticas auditivas de las piezas dadas.
Uno de los grandes problemas con la deteccin de emociones es la
subjetividad de las mismas, pues dependiendo de los lugares donde se
encuentren los oyentes, sus contextos culturales y sociales, estos
reaccionan de manera distintas a las mismas canciones. Los resultados del
trabajo podrn compararse con resultados obtenidos en otras culturas para
conocer las diferencias en las predicciones de los algoritmos al ser
entrenados bajo contextos culturales distintos y as conocer que ajustes se
pueden realizar a nivel geogrfico en una para que plataforma musical que
necesite adaptarse a las emociones de oyentes de todo el mundo.
IV.
OBJETIVOS
Generales
Aplicar algoritmos que permitan la clasificacin de msica en base al
estado anmico que la misma expresa.
Especficos:
Aplicar Algoritmos de clasificacin de machine learning como Naive
Bayes o Support Vector Machines en la clasificacin de msica.
Aplicar algoritmos como la transformada inversa de fourier, contrase
espectral por octavas, y mtodos estadsiticos de descripcin espectral
del audio para poder extraer caractersticas sonoras relevantes a la
emociones en una pieza musical.
Crear un set de datos con canciones etiquetadas por emocin
clasificados nicamente por personas guatemaltecas para futuros
estudios relacionados a este campo.
V.
MARCO TEORICO
K-mins
Support Vector Machines
Extraccin de Informacin de Msica
Fourier Transform
Fast Fourier Transform
Model Sinusoidal
Extraccin de Centroide del Audio
Extraccin de ancho de banda del audio
Extraccin de Rolloff del audio
Esquema de clasificacin Emociones:
Esquemas discretos vs esquemas continuos
Modelo de Russel en 2D
Model de Thayer
Model de Hevner
Model de Darwin
Paul Ekman clasificaciones
Affective computing
Categorical, dimensiona and appraisal models (firsyear report.pdf)
Music perception and culture http://emotionresearcher.com/musicalemotions-across-cultures/
Estados de nimo expresados por la msica vs estados de nimo percividos
por los oyentes.
VI.
MARCO METODOLOGICO
El desarrollo del proyecto iniciar con una investigacin a detalle de los
mtodos de extraccin de audio y de estudios previos relacionados al tema
de extraccin de emociones de la msica. Se investigarn los modelos de
clasificacin de emociones que existen, las tcnicas y algoritmos ms
importantes para extraer informacin como el ritmo, el timbre, la meloda o
la armona de una cancin y se investigar sobre los algoritmos necesarios
de Machine Learning para la clasificacin de la data. Para lograr una
investigacin ms slida se estudiar el curso: Audio Signal Processing for
Music Applications encontrado en Coursera, que iniciar en Septiembre de
este ao. Con el curso se espera obtener las bases tericas necesarias para
empezar con la implementacin del sistema de deteccin de emociones y
pasar a la parte de experimentacin y pruebas con personas.
Posteriormente se crear un set de datos con un mximo de 500 canciones
etiquetadas por su mood o emocin. Se realizarn tres evaluaciones por
cancin para determinar el estado anmico mayoritario y no sesgar la data
de prueba al criterio de una sola persona. Todo el set de datos ser
VII.
DELIMITACIN
El desarrollo del proyecto se limitar tomar datos de evauacin de personas
guatemaltecas nicamente. Las clasificaciones de canciones obtenidas
sern de un mximo de 500 canciones y el tamao del corpus de datos
estar sujetos a la disponibilidad y cantidad de voluntarios que se logren
obtener durante el trabajo. Adems se buscaran modelos de clasificacin
de estados animicos existentes y se enfocar el anlisis de los datos en los
estados anmicos que expresa la msica a travs del anlisis de las seales
de audio y no en los estado anmicos o fisiolgicos particulares que son
inducidos en cada persona, ya que ste anlisis podra tornarse demasiado
extenso se convirtira el presente trabajo en un estudio de Psicologa y no
de Ciencias de la Computacin. No se tomarn datos fisiolgicos de las
personas ni se realizarn anlisis psicolgicos detallados de estas para no
desviar el trabajo de graduacin a la rama de psicologa, antropologa o
musicologa. Sin embargo se realizarn las investigaciones de literatura
pertinentes a estas ramas de estudio tener bases tericas para el anlisis
de los datos obtenidos y se realizar un pequeo cuestionario previo a la
toma de datos para medir las variables que sean viables controlar en
IX.
Actividad
Investigacin
de
Algoritmos
de
Extraccin de caractersticas de
msica
Desarrollo de aplicacin para recabar
datos y creacin de dataset de
entrenamiento para el algoritmo
Obtencin
y
anlisis
de
caractersticas
sonoras
de
las
canciones.
Elaboracin del clasificador utilizando
tcnicas
de
entrenamiento
supervisado.
Anlisis de Resultados y comparacin
de output del clasificador con
respecto a clasificaciones humanas.
Elaboracin de Informes finales y
presentacin de resultados.
REFERENCIAS BIBLIOGRAFICAS