180 X. Reconnaissance des instruments `a partir d’extraits de musique multi-instrumentale
de classes sp´ecifiques.
Pour le d´etail des sous-ensembles d’attributs s´electionn´es pour chaque paire de classes, le lecteur pourra consulter [Essid, b].
X-2. Performances du syst`eme propos´e 181
Noeud N1 N1.1 N1.2 N1.3 N1.4 N1.5
MAP Heurist MAP Heurist MAP Heurist MAP Heurist MAP Heurist
N1.1:BsDrPnV 35 (32) 46 (42) 50 17 10 32 55 55 00 00
N1.2:BsDrPn 00 11 100 (91) 72 (66) 00 27 00 00 00 00
N1.3:BsDrPnW 00 00 92 50 8 (7) 50 (46) 00 00 00 00
N1.4:BsDrW 00 00 00 00 00 00 49 (45) 79 (72) 51 21
N1.5:BsDr 13 15 88 55 00 11 00 77 79 (72) 72 (66)
Noeud N2 N2.1 N2.2 N2.3
MAP Heurist MAP Heurist MAP Heurist
N2.1:BsPn 99 (82) 94 (78) 00 55 11 11
N2.2:BsEgPn 57 43 33 (27) 48 (40) 10 10
N2.3:BsPnVm 00 00 00 00 100 (83) 100 (83)
Noeud N4 N4.1 N4.2 Noeud N5 N5.1 N5.2
N4.1:EgVf 100 (60) 00 N5.1:PnTr 100 (55) 00 N4.2:GtVf 100 0 (0) N5.2:PnV 00 100 (55)
Tab. X.3 Matrice de confusions au deuxi`eme niveau, en utilisant deux strat´egies de d´ecision alternatives aux nœuds N1 et N2. Taux de reconnaissance absolus entre parenth`eses.
lesquelles la taille des donn´ees de test est inf´erieure `a 200s sont donn´ees en lettres italiques pour pr´evenir de la limitation de leur validit´e statistique.
En commen¸cant par le premier niveau, les r´esultats obtenus peuvent ˆetre consid´er´es comme encourageants ´etant donn´ee la courte dur´ee des fenˆetres de d´ecision et la grande variabilit´e qui caract´erise les enregistrements utilis´es. Le taux de reconnaissance moyen est de 65%. Pour la classe N1 (BsDr-BsDrPn-BsDrPnM-BsDrW)3, 91% de taux de reconnaissance est atteint, alors que la classe N7 (batterie seule) n’est correctement identifi´ee que dans 34% des tests. La batterie est assign´ee `a la classe N1 61% du temps. De nouveaux descripteurs sont n´ecessaires
`
a une meilleure discrimination de ces deux classes. Par exemple, des attributs caract´erisant l’absence d’harmonicit´e pourraient ˆetre efficaces dans ce cas, puisque les instruments percussifs tels que la batterie ne pr´esentent pas une forte harmonicit´e. En g´en´eral, la plupart des classes ont ´et´e majoritairement confondues avec N1 `a l’exception de la classe N6 (piano). Ce r´esultat est int´eressant : il est facile de discriminer le piano jou´e en solo et le piano jou´e avec un
3Bs : contrebassepizzicato, Dr : batterie, Pn : Piano, W : trompette ou saxophone, M : trompette ou voix.
182 X. Reconnaissance des instruments `a partir d’extraits de musique multi-instrumentale
accompagnement (83% pour le piano contre 91% pour N1). Le piano a ´et´e plus fr´equemment confondu avec la classe N5 (PnTr-PnV)- 15% du temps- qu’avec N1.
Au deuxi`eme niveau, les r´esultats trouv´es au nœud N1 en utilisant la r`egle de d´ecision MAP ne sont pas acceptables. En effet, la classe BsDrPnW n’est correctement identifi´ee que dans 8%
des tests et la classe BsDrPnV, 35% du temps, car ces deux classes sont fr´equemment associ´ees
`
a l’´etiquette BsDrPn, respectivement dans 92% et 50% des cas. De mˆeme, la classe BsDrW est confondue avec BsDr dans 51% des tests. Cela n’est pas surprenant ´etant donn´ees les contraintes d’annotation des signaux, mentionn´ees dans la section II-3. De fait, plusieurs exemples de la classe BsDrW se sont n´ecessairement immisc´es dans les ensembles d’apprentissage et de test relatifs aux classes BsDrPnV et BsDrPnW. Il en est de mˆeme pour les donn´ees de la classe BsDrW qui contient sˆurement des exemples de BsDr.
Nous adoptons donc une heuristique qui permet de pallier ce probl`eme. Le fait est que pour les paires (BsDr vs BsDrW), (BsDrPn vs BsDrPnW) et (BsDrPn vs BsDrPnV), les surfaces de d´ecision optimales sont biais´ees `a cause de la pr´esence d’exemples aberrants `a la fois dans les ensembles d’apprentissage et de test. Alternativement aux techniques de suppression des observations aberrantes [Dunagan et Vempala, 2001], qui peuvent ˆetre inefficaces dans notre cas, eu ´egard au nombre important d’outliers, nous utilisons un seuil de d´ecision biais´e. Chaque fois qu’un segment de test est class´e BsDr par le crit`ere MAP, si la deuxi`eme classe la plus probable est BsDrW nous r´evisons la d´ecision en consid´erant uniquement la sortie du classificateur (BsDr vs BsDrW). Alors, deux actions sont entreprises :
– d’abord, nous classons les observations dans la cat´egorie BsDr seulement si P(BsDr |BsDr ou BsDrW)>0.8, au lieu d’utiliser le seuil bay´esien habituel de 0.5 ; – ensuite, nous comptons le nombre d’observations class´es BsDr au sein de la fenˆetre d’ob-
servation (120 observations cons´ecutives) et nous n’´elisons cette classe que si les 2/3 des observations de la fenˆetre de d´ecision sont associ´es `a cette ´etiquette, sinon le segment de 2s courant est class´e BsDrW.
La mˆeme heuristique est suivie pour toutes les paires impliquant BsDrPn et la paire (BsPn vs BsEgPn) au nœud N2. Il en r´esulte qu’en moyenne, de meilleurs r´esultats de classification sont obtenus dans ces contextes, comme on peut le voir dans les colonnes du tableau X.3, ´etiquet´es par “Heurist”.
Enfin, de bonnes performances de classification de m´elanges de quatre instruments peuvent ˆetre obtenues comme indiqu´e par le tableau X.4.
X-3. Conclusion 183
Noeud N1.1 N1.1.1 N.1.1.2 Noeud N1.3 N1.3.1 N1.3.2 N1.1.1:BsDrPnVf 87 (37) 13 N1.3.1:BsDrPnTr 100 (46) 00 N1.1.1:BsDrPnVm 28 72 (30) N1.3.2:BsDrPnTs 29 71 (33)
Noeud N1.4 N1.4.1 N1.4.2 Noeud N5.2 N5.2.1 N5.2.2 N1.4.1:BsDrTr 100 (72) 00 N5.2.1:PnVf 97 (53) 33 N1.4.2:BsDrTs 99 91 (66) N5.2.2:PnVm 28 72 (40)
Tab. X.4 Matrice de confusions au troisi`eme niveau (feuilles de l’arbre).
Etant donn´´ e que les extraits utilis´es dans nos exp´eriences traduisent des conditions d’enregis- trements variables (des enregistrements en studio et enLive ont ´et´e utilis´es) et qu’une partie de ces extraits est au format mp3 (ce que l’on peut consid´erer comme des signaux bruit´es, corrompus par un bruit de quantification et avec une limitation de bande) nous sommes confiants quant `a l’applicabilit´e de notre approche `a d’autres genres musicaux. Le syst`eme n’est pas sensible `a une balance variable dans le mixage des instruments puisqu’il est capable, par exemple, d’identifier correctement le m´elange BsDrPn `a la fois sur des passages de solo de piano (piano plus fort que la contrebasse et la batterie) et sur des passages de solo de contrebasse (contrebasse plus forte que le piano).
X-3. Conclusion
Nous avons pr´esent´e une nouvelle approche pour la reconnaissance des instruments de musique en contexte multi-instrumental. Nous avons montr´e que la strat´egie qui consiste `a reconnaˆıtre les m´elanges d’instruments (jou´es simultan´ement) est r´ealisable, en utilisant un syst`eme de classification hi´erarchique, et qu’elle donne lieu `a de bonnes performances de classification.
La taxonomie hi´erarchique utilis´ee peut ˆetre consid´er´ee comme efficace :
– elle a ´et´e g´en´er´ee automatiquement au moyen d’une approche de clustering exploitant des distances probabilistes robustes ;
– elle peut ˆetre facilement interpr´et´ee par l’Homme en ce sens que tous ses nœuds portent des
´etiquettes musicalement significatives, permettant des classifications interm´ediaires utiles.
184 X. Reconnaissance des instruments `a partir d’extraits de musique multi-instrumentale
L’avantage majeur de l’approche choisie r´eside dans le fait qu’elle permet d’´eviter les probl`emes ardus de l’estimation de fr´equences fondamentales multiples et de la s´eparation de sources mu- sicales. Au contraire, notre syst`eme peut aider `a la r´esolution de ces probl`emes puisqu’il permet d’effectuer la segmentation de la musique par rapport aux instruments (ou plus simplement par rapport au nombre de sources musicales) en pr´esence, ce qui permettrait aux syst`emes de s´eparation de source de b´en´eficier `a tout instant d’une information sur la structure harmonique des spectres des signaux.
Des taux de reconnaissance plus ´elev´es pourraient ˆetre obtenus en utilisant des fenˆetres de d´ecision plus longues. Nous pensons que le syst`eme propos´e peut donner lieu `a diff´erentes appli- cations utiles acceptant des requˆetes r´ealistes puisqu’il est potentiellement capable de prendre en charge un contenu musical quelconque, ind´ependamment de l’orchestration (impliquant ´even- tuellement de la batterie ou une voix chant´ee). En particulier, notre approche peut ˆetre efficace pour l’identification de l’orchestration d’une pi`ece musicale (sans n´ecessairement se soucier des variations des m´elanges d’instruments `a diff´erents instants de la pi`ece), en adoptant des strat´egies de d´ecision appropri´ees.
185