-
题名一种基于改进CRNN的轻量化乐谱识别方法
被引量：3
- 1
-
-
作者
蒋凌云
鞠金恒
徐佳
肖甫
-
机构
南京邮电大学计算机学院、软件学院、网络空间安全学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2023年第11期3167-3175,共9页
-
基金
国家自然科学基金(No.62372250)
江苏省333高层次人才培养工程项目(No.BRA2020065)。
-
文摘
基于深度学习的乐谱识别方法提高了识别精度,但存在模型训练单次迭代耗时长、总迭代轮数多的问题.本文提出了一种改进卷积循环神经网络的轻量化乐谱识别方法CRNN-lite(lightweight Convolutional Recurrent Neural Networks),该方法在卷积层引入残差式深度可分离卷积,减少计算量并加速特征图的提取;在循环层使用双向简单循环单元,采用并行计算避免了串行计算的强依赖问题;在转录层调节交叉熵函数参数,针对性地学习不均衡样本数据.实验结果表明,该方法提高训练速度,单次迭代耗时为基准网络的43%,在失真图像数据上符号错误率为1.12%,序列错误率为14.5%,错误率指标均优于对比方案.
-
关键词
光学乐谱识别
序列识别
卷积循环神经网络
深度可分离卷积
简单循环单元
不均衡样本学习
-
Keywords
optical music recognition
sequence recognition
convolutional recurrent neural networks
depthwise separable convolution
simple recurrent unit
unbalanced sample learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
