Classificação de Gêneros Musicais usando Random Forest

Este projeto consiste na extração e seleção de características de sinais de áudio para a classificação automática de músicas por gênero musical. Utilizando o dataset GTZAN, aplicamos a técnica de Random Forest para identificar as características mais relevantes e treinar um modelo de aprendizado de máquina.

Integrantes

• Matheus Augusto Monte Silva - mams4@cin.ufpe.br
• Antônio Apolinário Barbosa - aab2@cin.ufpe.br
• Mariana Melo dos Santos - mms11@cin.ufpe.br

Metodologia

• Dataset: Utilizamos o GTZAN, com 1000 faixas distribuídas entre 10 gêneros musicais.
• Pré-processamento:
  • Segmentação dos áudios em trechos de 3 segundos.
  • Sobreposição de janelas para maior preservação temporal.
  • Representação das características na escala de frequência Mel (Mel Spectrograma).
• Extração de Características:
  • Energia perceptual (perceptr), MFCCs, Transformada de Fourier, entre outras.
• Seleção de Características:
  • Ranking de importância gerado pelo algoritmo Random Forest.
• Treinamento e Avaliação:
  • Divisão de dados em 80% treino e 20% teste.
  • Acurácia de 72,26% sem ruído e 70,88% com ruído/eco adicionados.
  • Avaliação realizada também com matrizes de confusão.

Resultados

O modelo demonstrou boa capacidade de classificação, mesmo sob condições de perturbação (ruído e eco), e permitiu a identificação de padrões acústicos importantes para a diferenciação de gêneros musicais.

Direitos sobre o Dataset

Todos os direitos sobre o dataset GTZAN são reservados aos seus criadores e podem ser consultados neste link:
🔗 GTZAN Dataset no Kaggle

---