基于U-Net和BGRU-RNN的实用歌声检测系统

提出了一个基于U-Net和BGRU-RNN的实用的歌声检测方法。它包含三个步骤:歌声分离、特征提取和模式识别。首先使用深度U-Net网络对混合信号进行歌声分离(Singing Voice Separation,SVS);然后融合MFCC、Mel-filter Bank、LPCC和Chroma作为特征;考虑到音频混合信号在时序上的强相关性,采用BGRU-RNN分类器进行建模。实验表明,该方法在RWC-Pop数据集上与业界最高水平相当。