期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
FRED和DWT在乐音音符识别中的应用研究
被引量：
5
1
作者
徐国庆
杨丹
+1 位作者
王彬洁
文俊浩
《计算机工程与应用》
CSCD
北大核心
2005年第18期191-193,211,共4页
乐音音符识别和自动记谱在音乐创作领域和音乐数据库检索技术中有很重要的应用价值,但目前还没有比较成熟的乐音音符识别方法。该文通过深入研究乐音的物理特性和音乐特性,提出一种识别乐音音符的方法,该方法实现在频域的精确定位,取得...
乐音音符识别和自动记谱在音乐创作领域和音乐数据库检索技术中有很重要的应用价值,但目前还没有比较成熟的乐音音符识别方法。该文通过深入研究乐音的物理特性和音乐特性,提出一种识别乐音音符的方法,该方法实现在频域的精确定位,取得了非常好的识别效果,具有较高的应用价值。
展开更多
关键词
乐音
音符识别
端点检测
小波变换
在线阅读
下载PDF
职称材料
乐谱图像中的音符识别方法
被引量：
2
2
作者
刘晓翔
《计算机工程》
CAS
CSCD
北大核心
2010年第9期163-167,共5页
面向多声部乐谱,实现基于结构模式的音符识别方法。在音符基元抽取阶段,提出基于游程分析的符干、符头、符梁3类基元抽取算法,具有较好的抗相交和抗粘连干扰能力。在音符结构分析阶段,采用"作用场"描述音符基元关系,将音符分...
面向多声部乐谱,实现基于结构模式的音符识别方法。在音符基元抽取阶段,提出基于游程分析的符干、符头、符梁3类基元抽取算法,具有较好的抗相交和抗粘连干扰能力。在音符结构分析阶段,采用"作用场"描述音符基元关系,将音符分为6类子结构,可缩小基元搜索范围。在此基础上细分音符结构,遵循关键子结构优先定位原则实现音符基元重组,可降低分析复杂度且具有良好的基元冗余排错能力。实验结果表明,该方法能快速准确识别多声部乐谱中的音符,在音符排列密集、结构复杂时适应能力较强。
展开更多
关键词
光学乐谱
识别
音符识别
基元抽取
结构分析
在线阅读
下载PDF
职称材料
基于深度学习的端到端乐谱音符识别
被引量：
12
3
作者
黄志清
贾翔
+1 位作者
郭一帆
张菁
《天津大学学报（自然科学与工程技术版）》
EI
CSCD
北大核心
2020年第6期653-660,共8页
光学乐谱识别是音乐信息检索中一项重要技术,音符识别是乐谱识别及其关键的部分.针对目前乐谱图像音符识别精度低、步骤冗杂等问题,设计了基于深度学习的端到端音符识别模型.该模型利用深度卷积神经网络,以整张乐谱图像为输入,直接输出...
光学乐谱识别是音乐信息检索中一项重要技术,音符识别是乐谱识别及其关键的部分.针对目前乐谱图像音符识别精度低、步骤冗杂等问题,设计了基于深度学习的端到端音符识别模型.该模型利用深度卷积神经网络,以整张乐谱图像为输入,直接输出音符的时值和音高.在数据预处理上,通过解析Music XML文件获得模型训练所需的乐谱图像和对应的标签数据,标签数据是由音符音高、音符时值和音符坐标组成的向量,因此模型通过训练来学习标签向量将音符识别任务转化为检测、分类任务.之后添加噪声、随机裁剪等数据增强方法来增加数据的多样性,使得训练出的模型更加鲁棒;在模型设计上,基于darknet53基础网络和特征融合技术,设计端到端的目标检测模型来识别音符.用深度神经网络darknet53提取乐谱图像特征图,让该特征图上的音符有足够大的感受野,之后将神经网络上层特征图和该特征图进行拼接,完成特征融合使得音符有更明显的特征纹理,从而让模型能够检测到音符这类小物体.该模型采用多任务学习,同时学习音高、时值的分类任务和音符坐标的回归任务,提高了模型的泛化能力.最后在Muse Score生成的测试集上对该模型进行测试,音符识别精度高,可以达到0.96的时值准确率和0.98的音高准确率.
展开更多
关键词
光学乐谱
识别
音符识别
深度学习
端到端
目标检测
在线阅读
下载PDF
职称材料
题名
FRED和DWT在乐音音符识别中的应用研究
被引量：
5
1
作者
徐国庆
杨丹
王彬洁
文俊浩
机构
重庆大学软件学院
武汉化工学院
出处
《计算机工程与应用》
CSCD
北大核心
2005年第18期191-193,211,共4页
基金
重庆市自然科学基金项目(编号:2004BB2182)
文摘
乐音音符识别和自动记谱在音乐创作领域和音乐数据库检索技术中有很重要的应用价值,但目前还没有比较成熟的乐音音符识别方法。该文通过深入研究乐音的物理特性和音乐特性,提出一种识别乐音音符的方法,该方法实现在频域的精确定位,取得了非常好的识别效果,具有较高的应用价值。
关键词
乐音
音符识别
端点检测
小波变换
Keywords
musical tone recognition,endpoint detection,DWT
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
乐谱图像中的音符识别方法
被引量：
2
2
作者
刘晓翔
机构
暨南大学珠海学院计算机科学与技术系
出处
《计算机工程》
CAS
CSCD
北大核心
2010年第9期163-167,共5页
基金
广东省自然科学博士科研启动基金资助项目(7300090)
暨南大学引进人才科研启动基金资助项目(510061)
文摘
面向多声部乐谱,实现基于结构模式的音符识别方法。在音符基元抽取阶段,提出基于游程分析的符干、符头、符梁3类基元抽取算法,具有较好的抗相交和抗粘连干扰能力。在音符结构分析阶段,采用"作用场"描述音符基元关系,将音符分为6类子结构,可缩小基元搜索范围。在此基础上细分音符结构,遵循关键子结构优先定位原则实现音符基元重组,可降低分析复杂度且具有良好的基元冗余排错能力。实验结果表明,该方法能快速准确识别多声部乐谱中的音符,在音符排列密集、结构复杂时适应能力较强。
关键词
光学乐谱
识别
音符识别
基元抽取
结构分析
Keywords
optical music score recognition
note recognition
primitive extraction
structure analysis
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于深度学习的端到端乐谱音符识别
被引量：
12
3
作者
黄志清
贾翔
郭一帆
张菁
机构
北京工业大学信息学部
出处
《天津大学学报（自然科学与工程技术版）》
EI
CSCD
北大核心
2020年第6期653-660,共8页
基金
北京市自然科学基金-市教委联合资助项目(KZ201910005007)。
文摘
光学乐谱识别是音乐信息检索中一项重要技术,音符识别是乐谱识别及其关键的部分.针对目前乐谱图像音符识别精度低、步骤冗杂等问题,设计了基于深度学习的端到端音符识别模型.该模型利用深度卷积神经网络,以整张乐谱图像为输入,直接输出音符的时值和音高.在数据预处理上,通过解析Music XML文件获得模型训练所需的乐谱图像和对应的标签数据,标签数据是由音符音高、音符时值和音符坐标组成的向量,因此模型通过训练来学习标签向量将音符识别任务转化为检测、分类任务.之后添加噪声、随机裁剪等数据增强方法来增加数据的多样性,使得训练出的模型更加鲁棒;在模型设计上,基于darknet53基础网络和特征融合技术,设计端到端的目标检测模型来识别音符.用深度神经网络darknet53提取乐谱图像特征图,让该特征图上的音符有足够大的感受野,之后将神经网络上层特征图和该特征图进行拼接,完成特征融合使得音符有更明显的特征纹理,从而让模型能够检测到音符这类小物体.该模型采用多任务学习,同时学习音高、时值的分类任务和音符坐标的回归任务,提高了模型的泛化能力.最后在Muse Score生成的测试集上对该模型进行测试,音符识别精度高,可以达到0.96的时值准确率和0.98的音高准确率.
关键词
光学乐谱
识别
音符识别
深度学习
端到端
目标检测
Keywords
optical music recognition
note recognition
deep learning
end-to-end
object detection
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
FRED和DWT在乐音音符识别中的应用研究
徐国庆
杨丹
王彬洁
文俊浩
《计算机工程与应用》
CSCD
北大核心
2005
5
在线阅读
下载PDF
职称材料
2
乐谱图像中的音符识别方法
刘晓翔
《计算机工程》
CAS
CSCD
北大核心
2010
2
在线阅读
下载PDF
职称材料
3
基于深度学习的端到端乐谱音符识别
黄志清
贾翔
郭一帆
张菁
《天津大学学报（自然科学与工程技术版）》
EI
CSCD
北大核心
2020
12
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
