JSST2022 学生セッション特集
敵対的生成ネットワークによる自動コード推定～DCGANの改良と，CGANの適用～
2023 年 15 巻 2 号 p. 42-50
詳細
2023 年 15 巻 2 号 p. 42-50
自動コード推定は，楽曲分析の分野における重要な研究課題である．既存研究において，DCGANを用いた手法が提案されているが，自動コード推定の正解率は73.2%に留まっている．そのため本研究では，DCGANを用いた手法の改良と，CGANを用いた手法を提案した．DCGANを用いた手法では，全結合層と出力層にtanh関数を使用することで，値域の統一を行い，Minibatch Discrimination層とすべての畳み込み層にL2正則化を追加して，Mode Collapseと過学習を抑制するように改良した．実験の結果，自動コード推定の正解率は91.7%となった．また，CGANを用いた手法では，条件の入力にOne-hotベクトルを採用し，MIDIデータの末尾に付加する手法と，MIDIデータの先頭を置換する手法を検証した．実験の結果，2つの手法の自動コード推定の正解率は，それぞれ90.5%，90.9%となった．本研究により，自動コード推定において，DCGANを用いた手法の正解率を向上させることが可能となった．さらに，CGANを用いた手法も，DCGANを用いた手法にはやや劣るものの，高い精度の正解率となることが示された．
