在计算机音乐的应用研究中,人们正在研发一种“自动记谱系统”,即从一段音乐中获取乐谱信息的智能系统。特别地,当系统的输入为人声哼唱时,系统将输出与人声哼唱所描述的旋律尽可能一致的乐谱符号,这时我们称其为哼唱旋律转录系统（或称之为哼唱自动记谱系统）。转录系统通常用音符序列作为输出的符号乐谱表达,旨在于辅助音乐家创作并记录乐谱,或者用于音乐信息检索系统中,音符的模式识别。哼唱旋律转录系统需要实现如下功能,识别哼唱旋律并将其转化为MIDI保存或播放。哼唱信号中,更为常见的是无歌词的即兴哼唱旋律,不能和语音识别技术中音素基本单位的研究一样,研究构成音符识别序列的基本单位。哼唱旋律转录系统主要是音符检测,又细分为边界检测和音高估算。音符音高估算和信号帧的频率有关,已经有成熟的技术可以使用,但是音符边界的检测,却没有一种有说服力的方法。音符边界检测主要是音符起始点检测,但是人声不一定有稳定、清晰的信号变化过程,以至于很难用单一的规则来检测。音符起始点检测也分为两个部分,构造检测函数和峰值提取,峰值点对应时刻就是音符的起始点时间,但是在人声哼唱信号中,往往会有一些噪声,使得算法出现误判。如果认定音符起始点检测是阳性（Positive）,那么就要求哼唱旋律转录系统在检测出尽可能多的真阳性样本,同时消除假阳性。有别于传统的深度学习构造检测函数的方法,本文的研究提出,检测的核心并不在于建模检测函数,而是在峰值提取算法,所以采用了深度学习作为后处理,以消除误判。在公共数据集上,该方法简单且优于一些现有的算法,由于音符起始判定的优化,哼唱旋律转录系统中的音符转录也得到了优化,最后正确音符率相比于传统的方法有本质上的提升。