摘要

摘要：翻唱歌曲识别（Cover Song Identification, CSI）专注于在参考曲库中找到与查询曲目相同但版本不同的音乐。本文提出了一种名为CoverHunter的新系统，通过探索更丰富的特征和改进的注意力机制及对齐方法，克服了现有检测方案的不足。CoverHunter包含三个关键模块：1) 一种卷积增强的变压器（即Conformer）结构，该结构能够捕捉局部和全局特征交互，而以往的方法主要依赖于卷积神经网络；2) 基于注意力的时间池化模块，进一步利用时间维度上的注意力机制；3) 一种新颖的粗到精训练方案，首先训练网络以粗略对齐歌曲片段，然后通过对齐后的片段进行再训练来细化网络。同时，我们还总结了一些在系统中使用的重要的训练技巧，这些技巧有助于获得更好的结果。在多个标准CSI数据集上的实验表明，我们的方法在嵌入尺寸为128的情况下显著优于现有最先进方法（在SHS100K-TEST上提高了2.3%，在DaTacos上提高了17.7%）。