نگار رضائی - دانشگاه سمنان - دانشکده مهندسی برق و کامپیوتر
محمد رحمانی منش - استادیار دانشگاه سمنان دانشکده مهندسی برق و کامپیوتر

موسیقی فولکلور ایرانی از تاریخ، فرهنگ و آداب و رسوم زندگی مردم ایران در طول قرون متمادی سرچشمه گرفته و همچنین آینه تمام نمای اندیشه و فرهنگ مردم ایران است. در این مقاله روشی خودکار ارائه شده است تا موسیقی فولکلور ایرانی با استفاده از یادگیری عمیق شناسایی و دسته بندی شود. به علت عدم وجود مجموعه داده مناسب در ایران و جهان در زمینه موسیقی فلکولور ایرانی، در ابتدا یک مخزن موسیقی با تعداد 1100 قطعه موسیقی برای 11 ناحیه ایران (شامل موسیقی لری، ترکی، ترکمن، بختیاری، تالشی، گلستان، کومشی، کردی، شمال خراسان (کرمانج ها)، جنوب خراسان و خراسان میانه (خراسان) و سیستان و بلوچستان)، با نرخ نمونه برداری 44100 هرتز به صورت استریو جمع آوری گردید (برای هر ناحیه 100 قطعه موسیقیایی). پس از آن به منظور بالا بردن دقت دسته بندی توسط یادگیری عمیق، مخزن موسیقی به قطعات 3 ثانیه ای و 30 ثانیه ای تقسیم شد. سپس اسپکتوگرام صوتی، الگوهای ریتمیک و همچنین توصیف کننده طیف آماری از آنها استخراج گردید. در نهایت دسته بندی در فریمورک پایتورچ با استفاده از سه معماری Simple ResNet و Alexnet ،CNN صورت گرفته است. نتایج حاصل از پیاده سازی روش پیشنهادی، حداکثر دقت 90.09%، در شناسایی و دسته بندی موسیقی نواحی ایران با استفاده از معماری ResNet را نشان می دهد.

موسیقی، نواحی ایران، اکسپکتوگرام، یادگیری عمیق، پردازش ریتم، شبکه عصبی کانولوشن