摘要
翻唱歌曲识别在音乐信息检索（MIR）领域中是一项具有挑战性的任务，因为查询曲目与翻唱版本之间存在复杂的音乐变化。以往的研究通常利用手工设计的特征和对齐算法来完成这一任务。近年来，通过采用神经网络方法，该领域取得了进一步的突破。本文提出了一种基于翻唱歌曲任务特性的新型卷积神经网络（CNN）架构。我们首先通过分类策略训练网络；然后利用该网络提取音乐表示以进行翻唱歌曲识别。设计了一种方案，旨在训练出能够抵抗速度变化的鲁棒模型。实验结果表明，我们的方法在所有公开数据集上均优于现有最先进方法，尤其是在大规模数据集上的性能提升更为显著。