Reconhecendo gêneros musicais brasileiros similares por abordagem baseada em segmentos e aprendizado profundo usando transformadores visuais
Carregando...
Data
Orientador(es)
Coorientador(es)
Kienen, João Gustavo
Membros da banca
Santos, Eulanda Miranda dos
Silva Junior, Waldir Sabino da
Silva, Diego Furtado
Silva Junior, Waldir Sabino da
Silva, Diego Furtado
Pós-Graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal do Amazonas
Tipo
Direito de acesso
DOI
Resumo
Esta pesquisa investiga o uso de mecanismos de autoatenção em arquiteturas de transformadores visuais, com foco no modelo Vision transformer (ViT), para o reconhecimento e análise de similaridade entre gêneros musicais. O estudo envolve a construção do BYRM Dataset, uma base curada de músicas regionais brasileiras composta por 1.082 faixas distribuídas em dez gêneros culturalmente diversos, extraídas automaticamente a partir de álbuns no YouTube. A base permite experimentos controlados com múltiplos trechos por faixa, variando tanto a posição temporal quanto a duração dos segmentos. O modelo ViT foi treinado com espectrogramas de Mel como entrada e avaliado por meio de métricas como acurácia, precisão, revocação e f1-score. A melhor configuração alcançou 81,94% de acurácia e 81,84% de f1-score. Além da classificação, esta dissertação também propõe uma análise da representação vetorial aprendida pelo modelo, aplicando técnicas de redução de dimensionalidade (PCA, t-SNE e UMAP) e medidas quantitativas de similaridade, como a distância cosseno, para investigar a proximidade entre gêneros no espaço latente. Os resultados indicam que o ViT é capaz de capturar relações estilísticas relevantes, agrupando gêneros semelhantes como samba e pagode, ou vaneira e xote gaúcho, ao mesmo tempo em que separa estilos mais distintos, como o rock brasileiro. Este trabalho contribui para a área de Recuperação de Informação Musical (MIR), demonstrando o potencial de modelos baseados em atenção na classificação e interpretação de gêneros musicais em contextos ricos e diversos culturalmente.
Abstract
This research investigates the use of self-attention mechanisms in visual transformer architectures, focusing on the Vision Transformer (ViT) model for musical genre recognition and similarity analysis. The study involves the construction of the BYRM Dataset, a curated collection of Brazilian regional music comprising 1.082 tracks across ten culturally diverse genres, automatically extracted from YouTube album videos. The dataset supports controlled experiments using multiple excerpts per track, varying both the temporal position and the segment duration. The ViT model was trained using Melspectrograms as input and evaluated with metrics such as accuracy, precision, recall, and F1-score. The best configuration achieved 81,94% accuracy and 81,84% F1-score. Beyond classification, this dissertation also proposes an analysis of the vector representations learned by the model, applying dimensionality reduction techniques (PCA, t-SNE,and UMAP) and quantitative similarity measures, such as cosine distance, to investigate the proximity between genres in the latent space. Results indicate that ViT successfully captures meaningful stylistic relationships, grouping similar genres such as samba and pagode or vaneira and xote gaúcho. This work contributes to the field of Music Information
Retrieval (MIR), demonstrating the potential of attention-based models in the classification and interpretation of musical genres in culturally rich and diverse contexts.
Descrição
Palavras-chave
Recuperação de informação musical , Aprendizado profundo , Redes de transformadores , Espectrograma , Análise temporal , Similaridade entre gêneros musicais , Redução de dimensionalidade , Música brasileira , Music information retrieval , Deep learning , Transformer networks , Spectrogram , Temporal analysis , Genre similarity , Dimensionality reduction , Brazilian music
Termo controlado
Sistemas de recuperação da informação - Música; Aprendizado do computador; Classificação - Música
Objetivos de Desenvolvimento Sustentável (ODS)
Citação
GUIMARÃES, Victória de Souza Leon. Reconhecendo gêneros musicais brasileiros similares por abordagem baseada em segmentos e aprendizado profundo usando transformadores visuais. 2025. 98 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus (AM), 2025.
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto