论文部分内容阅读
目的——在“互联网+”的推动下,盲人群体的工作需求越来越得到大众的关注和认可,盲人音乐家使用盲文进行创作和交流的机会逐渐增多,但与视力正常的人开展作品交流时仍依赖于既懂盲文音乐规则又懂明文乐理的人员进行协助,造成了在时间、内容和数量上难以满足日益增长的盲文音乐交流需求。开展针对盲文音乐识别和分词的研究成为解决上述问题的有效手段。方法——通过对盲文音乐组成结构的分析,为克服传统方法在解决识别和分词问题上的缺陷,使用深度学习框架来设计模型,通过大量的样例数据训练,让计算机自动地学习到其特征属性,同时经过多次迭代训练后使其拥有更强的鲁棒性和泛化能力,形成以深度学习为基础模型的盲文音乐识别和分词方法。研究结果——首先,设计基于卷积神经网络(CNN)的盲文音乐图片识别模型。将预处理后的图片数据送至设计出的模型进行训练、测试和优化调整,最终形成以CNN为基础的盲文音乐图片识别方法,达到了很好的准确率。其次,为解决盲文音乐语料库欠缺的问题,手动创建了盲文音乐语料库,设计了基于长短期记忆网络(LSTM)的盲文音乐符号分词模型,对模型进行训练和调优后,获得了较好的分词效果。局限性——偏重于理论研究和小数据集实验,仍需后续工作:(1)从深度学习模型上考虑,加大数据集的规模和大小,以增强模型的训练效果;(2)从实用上考虑,需要把盲文音乐图片的识别、分词结合起来,进一步扩展至词性标注、音乐符号转换和音乐旋律相似性推荐等研究。实际影响——通过对盲文音乐的识别和分词研究,实现对盲文音乐图片中盲文音乐符号的识别;同时,也可以解决盲文音乐在实现转换前的分词问题。用途——利用CNN模型对盲文音乐图片进行识别,得到对应的盲文音乐符号;结合创建的盲文音乐语料库,使用LSTM模型对盲文音乐进行分词,得到盲文音乐分词后的结果,便于在后续的研究中进一步处理。