Automatische Erkennung von Cover-Versionen und Plagiaten in ...

Feature Extraktion 65
Abbildung 3.17: Ermittelte und tatsächliche Melodie eines Stücks aus dem ISMIR 2004
Melody Extraction Contest Testset
Was man sofort erkennt ist, dass keine Pausen erkannt werden, was vom Algorithmus
her jedoch auch nicht vorgesehen ist. Weiters ist zu sehen, dass an Stellen, an denen
die Berechnung daneben liegt, zwar eine vorhandene Stimme in der richtigen Tonhöhe
erkannt, diese jedoch kurzfristig von anderen übertönt wird. Über die gesamte Länge
(excl. Pausen) wurden in diesem Beispiel 64% der Melodie-Töne richtig ermittelt. Die
gute Performanz am Anfang und vor allem am Ende des Ausschnitts steht dabei einem
schlechten Abschneiden im Mittelteil gegenüber. Betrachtet man alle zehn Stücke des
Testsets, so betrug die mittlere Trefferquote 56%. Dies liegt zwar sehr deutlich über der
Baseline – dem Ergebnis, das durch reines Raten entstanden wäre – ob diese Genauig-
keit jedoch ausreicht um Versionen eines Musikstücks zu identifizieren, ist fraglich.
Um den Rechenaufwand zur Analyse tatsächlicher Real-World Audioaufnahmen bes-
ser bewältigen zu können, wurde in der Test-Implementierung eine weitere Vereinfa-
chung gegenüber dem PreFEst Verfahren eingeführt. Anstatt der relativ komplexen
Bestimmung der Grundschwingungen fand die Behandlung der Obertöne wie bei der
Berechnung des THPCP-Features (vgl. Abschnitt 3.4) beschrieben statt. Dies verur-
sacht zwar erheblich mehr Rauschen, was aber in Kauf genommen werden kann, da zur
Melodie-Extraktion ohnehin nur die stärksten – und somit deutlich über dem Pegel des
Rauschens liegenden – Kandidaten-Frequenzen berücksichtigt werden.