Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Resultate <strong>und</strong> Perspektiven 92<br />
g<strong>in</strong>al durchschnittlich fünf <strong>Cover</strong>-<strong>Versionen</strong> erhältlich s<strong>in</strong>d. E<strong>in</strong>e Suche nach <strong>Plagiaten</strong><br />
beispielsweise kann auf diese Weise nicht unterstützt werden.<br />
Zum anderen stellt die Laufzeit e<strong>in</strong> Problem dar. Viele der beschriebenen Berechnungen<br />
besitzen quadratische Komplexität. Beispiele hierfür s<strong>in</strong>d im Bereich der Feature Ex-<br />
traktion die Strukturanalyse (durch Aufstellen der Selbstähnlichkeits-Matrizen) oder im<br />
Bereich der Klassifizierung der Vergleich aller Songs mite<strong>in</strong>ander. Insgesamt betrachtet<br />
reichte die Performanz trotz des kle<strong>in</strong>en Testsets nicht aus, um das Melodie-Feature <strong>in</strong><br />
se<strong>in</strong>er ursprünglichen Zeitauflösung zu belassen. Selbst mit der verr<strong>in</strong>gerten Auflösung,<br />
<strong>von</strong> nur zwei Frames pro, Sek<strong>und</strong>e dauerte die Abarbeitung der Testmenge mehrere<br />
St<strong>und</strong>en.<br />
Ziel dieser Arbeit war jedoch nicht die Entwicklung e<strong>in</strong>es ausgereiften Software-<br />
Produkts, sondern der Vergleich unterschiedlicher Herangehensweisen an die Problem-<br />
stellung. Diesbezüglich ist das schlechte Abschneiden der Klassifizierung anhand des<br />
Dynamic Time Warp-Algorithmus überraschend – schließlich ist sie jene Methode, die<br />
<strong>in</strong> der Literatur (vgl. [10] <strong>und</strong> [18]) empfohlen wird. Die Annahme, dass Tempovaria-<br />
tionen über e<strong>in</strong> gesamtes Stück konstant bleiben, wurde durch das gute Abschneiden<br />
der Methode des l<strong>in</strong>earen Zeitzusammenhangs bei Anwendung auf die Gesamt-Features<br />
bekräftigt. Sie erlaubt weniger Spielraum als das Dynamic Time Warp-Verfahren, was<br />
sich als positiv erwiesen hat.<br />
E<strong>in</strong>e weitere Überraschung stellt das gute Abschneiden der Klassifizierung unter Ver-<br />
wendung der Hauptdiagonalen bzw. der Geraden mit exakt 45 Grad Steigung <strong>in</strong>nerhalb<br />
der Ähnlichkeits-Matrizen dar. Diese wurden nur <strong>in</strong> die Evaluierung mite<strong>in</strong>bezogen, um<br />
die Bedeutung der Berücksichtigung <strong>von</strong> Struktur- <strong>und</strong> Tempo-Variationen abschätzen<br />
zu können. Das Heranziehen der Hauptdiagonalen hat sich jedoch als zuverlässiger her-<br />
ausgestellt, als dies erwartet wurde. Das kann daran liegen, dass auch bei <strong>Versionen</strong><br />
e<strong>in</strong>es Musikstücks die nicht die gleiche Struktur besitzen, dennoch gleiche Fragmente<br />
erkannt werden, <strong>und</strong> diese den Ausschlag für die guten Bewertungen geben.<br />
Vergleicht man die Features, so ist e<strong>in</strong>deutig festzustellen, dass das THPCP-Feature –<br />
sowohl als gesamtes, als auch auf den Refra<strong>in</strong> beschränkt – das zuverlässigere ist. Der<br />
Hauptgr<strong>und</strong> dafür liegt überwiegend an der Ungenauigkeit der Melodieerkennung. E<strong>in</strong>e<br />
durchschnittliche <strong>Erkennung</strong>srate <strong>von</strong> unter 60% (vgl. Abschnitt 3.6) pro e<strong>in</strong>zelnem<br />
Stück ist offensichtlich nicht genau genug um verlässliche Vergleiche durchführen zu<br />
können.<br />
E<strong>in</strong>e Verbesserung des auf den Refra<strong>in</strong> beschränkten Features im Vergleich zum Fea-<br />
ture als Ganzes, konnte nicht erreicht werden. Diese Steigerung der Genauigkeit, ge-<br />
messen am f-Wert, ist weder beim THPCP-Ansatz noch bei der Melodie zu beobachten.