摘要
本文介绍了ByteCover，这是一种新的用于翻唱歌曲识别（CSI）的特征学习方法。ByteCover基于经典的ResNet模型构建，并设计了两项主要改进以进一步提升该模型在CSI任务中的能力。首先，在第一项改进中，我们引入了实例归一化（IN）和批归一化（BN）的结合，构建了IBN模块，这是我们的ResNet-IBN模型的主要组成部分。借助IBN模块，我们的CSI模型可以学习到对音乐属性如调性、节奏、音色和流派变化具有不变性的特征，同时保留版本信息。其次，在第二项改进中，我们采用了BNNeck方法，允许进行多损失训练，并鼓励我们的方法同时优化分类损失和三元组损失，从而确保翻唱歌曲在类间具有区分性和类内具有紧凑性。一系列实验验证了ByteCover在多个数据集上的有效性和高效性，并且在Da-TACOS数据集中，ByteCover的表现优于最佳竞争系统20.9%。