20.500.12556/DKUM-97962 Razpoznavanje emocij iz glasbenih signalov z uporabo klasičnih metod, globokega učenja in modela wav2vec 2.0 magistrsko delo Emotion recognition from musical signals using classical methods, deep learning, and the wav2vec 2.0 model Glasba ima pomemben vpliv na človekove emocije. V magistrskem delu raziskujemo metode za avtomatsko razpoznavanje emocij iz glasbenih signalov. Primerjani so trije pristopi: klasične metode strojnega učenja, ki temeljijo na ročno izluščenih akustičnih značilkah, modeli globokega učenja z uporabo konvolucijskih nevronskih mrež (CNN) ter samonadzorovani predtrenirani model wav2vec 2.0. Eksperimenti so izvedeni na podatkovni zbirki DEAM, kjer so zvezne vrednosti valence in arousal pretvorjene v štiri emocionalne razrede. Uspešnost modelov je ocenjena z metrikami točnost, preciznost, priklic in macro F1. Rezultati omogočajo primerjavo pristopov ter pokažejo potencial nadaljnjega izboljšanja. Music has a strong influence on human emotions. This thesis investigates methods for automatic emotion recognition from musical audio signals. Three different approaches are compared: classical machine learning methods based on handcrafted acoustic features, deep learning using convolutional neural networks (CNN), and a self-supervised pretrained model wav2vec 2.0. Experiments are conducted on the DEAM dataset, where continuous valence–arousal annotations are transformed into four emotion classes. The models are evaluated using accuracy, precision, recall and macro F1-score. The results allow comparison of approaches and show the potential for further improvement. strojno učenje globoko učenje samonadzorovano učenje razpoznavanje emocij machine learning deep learning self-supervised learning emotion recognition true true false [M. Bulajić] Slovenski jezik Angleški jezik Magistrsko delo/naloga 2026-05-05 08:58:12 2026-05-29 09:51:47 2026-06-20 03:06:38 0000-00-00 00:00:00 2026 0 Maribor 0 Maribor 1 spletni vir (1 datoteka PDF (IX, 72 str.)) 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 004.85:78(043.2) 282222083 MAG_Bulajic_Masa_2026.pdf MAG_Bulajic_Masa_2026.pdf 1 538A4B9588CDD4C4BE1D8F0467988ABF 8c783c461ced6f11e205636aa44c6ffda9cbbe1e237656259d4e022b673f3538 960f51e9-4976-11f1-baa1-00155d0001a1 https://dk.um.si/Dokument.php?lang=slv&id=205854 MAG_Bulajic_Masa_2026.zip MAG_Bulajic_Masa_2026.zip 1 786C9433A527AEB7016390E0DFC32713 43ecb9b3510686ce5c2ceb1306ed1e4ca68ad9a5de17f65817629157df0ab2e7 9bd49881-4857-11f1-8e35-00155d0001a1 https://dk.um.si/Dokument.php?lang=slv&id=205765 Fakulteta za elektrotehniko, računalništvo in informatiko 0 0 0