音乐相似度检测是音乐信息检索领域的一个重要分支,对于辅助鉴定音乐抄袭以及其他基于音乐内容的检索、审查有积极作用。准确而且适当的音乐特征提取对于提高音乐信息检索的效率具有重要意义。音乐相似度的含义较为丰富,音乐之间相似性可以归纳为情感相似、乐理特征相似、流派相似等。在翻唱、抄袭检测的应用场景中,应当侧重比对音乐内容、乐理特征的相似。现有音乐相似度检测方法主要有两个问题:一、音乐主旋律及其他音乐特征提取的准确度有待提升。二、使用传统方法进行音乐相似度比对准确度表现不佳,在特征提取方面缺乏灵活性。针对以上问题,本文提出了一种基于深度学习的音乐相似度检测方法,研究了不同底层特征及深度学习模型结构对音乐主旋律的提取的影响和深度学习在音乐相似度中的应用。本文研究的主要内容如下:1、为减少音乐信息的干扰,本文首先提取音乐主旋律。由于卷积神经网络在图像处理的领域具有一定优势,研究将使用基于卷积神经网络的编码器-解码器结构的语义分割（Segmentation）模型进行主旋律提取。在输入方面,将音频转换为二维的广义倒谱特征（Generalized Cepstrum,GC）和范围广义倒谱（Generalized Cepstrum of Spectrum,GCOS）,并手动提取梅尔倒谱系数（Mel cepstral coefficient,MFCC）和色度特征（Chroma Feature）,以多通道的方式融入输入数据中,使输入数据包含基础音乐信息。此外,实验中将基于通道的注意力机制加入语义分割模型中。实验结果表明,加入人工特征后模型训练的收敛速度加快。加入注意力机制后的多特征融合模型相比基线整体准确率有所提升,同时使得虚警率有一定的下降。2、由于音乐具有时序性,并且音乐在上下文有一定的联系,本文使用双向长短时记忆网络结合注意力机制的模型结构对输入数据进行编码。在输入方面,本文主要选取主旋律音高作为主要特征,另外选用音调、节奏这两个重要的音乐内容特征进行对比。数据方面,本文中使用的数据集将数据分类为不同的音调簇,并进行了编码,同簇内的数据距离较近。实验方面,本文将分为三部分,分别对比注意力机制、距离公式、音乐特征对结果的影响,并展示了从主旋律提取开始,整个过程的实际效果。实验结果表明,加入注意力机制的双向长短时记忆网络能获得更高的准确率,将损失函数设为余弦距离对于增大聚簇的区分度更有帮助;主旋律音高与节奏特征结合作为输入数据效果更好。