Minor Variations: Improving Computational Key Finding for Minor Keys

Abstract

Tonearter er en viktig del av den harmoniske strukturen til vestlig musikk. Nøyaktig og konsekvent toneartklassifisering er fortsatt en utfordring i Music Information Retrieval og er en nødvendig del av videre arbeid innen feltet. Denne oppgaven foreslår en ny tilnærming til automatisk toneartgjenkjenning som tilpasser eksisterende metoder for å forbedre klassifisering av moll-tonearter.

Ved å bruke ideer fra vestlig musikkteori deler den nye modellen moll-tonearter inn i tre varianter som forbedrer måten toneartsprofilene tilpasses moll-variasjoner. Tre eksperimenter ble gjennomført med forskjellige parametere. Disse eksperimentene var basert på eksisterende metoder, og tilpasset hver algoritme for å legge til et nytt format for toneartprofiler. Resultatene inkluderer nøyaktighetsmålinger som er like gode som state-of-the-art metodene testet i eksperimentene og som indikerer en bedre prosessering av moll-tonearter enn andre toneartprofiler. Denne oppgaven bidrar til den pågående innsatsen for å nøyaktig klassifisere tonearten i et musikkstykke ved hjelp av algoritmer. Det kan brukes til å øke forståelsen av toneartsklassifisering og tonalitet i fremtidig arbeid.

Key finding is an integral part of the harmonic structure of western music. Accurate and consistent key classification is an ongoing challenge in Music Information Retrieval and is necessary to facilitate future work in the field. This thesis proposes a new key finding approach that adapts existing methods and improves the classification of minor keys.

By utilizing ideas from western music theory, the proposed model splits its key profile into three minor key variations to facilitate music in natural, harmonic, and melodic minor, respectively. Three experiments were conducted using different parameters. These experiments were based on existing key finding models that were adapted to process the expanded key profile format. The results include accuracy measurements equal to the state-of-the-art methods and indicates a superior ability to process minor keys.

There is still work left to do in order to increase the model’s overall accuracy while retaining the powerful minor key processing. It is an exciting approach that still has the potential to achieve great results. The results contribute to the ongoing effort to accurately classify the key of a piece of music using computational methods and can be used to increase the understanding of key finding and tonality in future work.