音乐可以陶冶情操,提高生活品味和个人气质。随着生活水平的提高,人们学习架子鼓演奏的热情不断高涨,兴起了架子鼓教育的热潮。架子鼓音乐自动转录（Automatic Drum Transcription,ADT）技术是指从音频信号中检测得到鼓的音符事件,可以用于自动乐谱生成或自动演奏识别,帮助架子鼓初学者提高学习效率。一个健壮的ADT系统在鼓自动化教育和音乐智能娱乐软件中扮演着重要角色。但是实现一种精准的架子鼓音乐自动转录算法仍然是一个具有挑战性的问题。针对架子鼓音乐自动转录的问题,本文研究并实现了一种基于卷积神经网络的架子鼓音乐自动转录算法,在此基础上设计了不同的算法优化策略。本文的主要工作包括:（1）设计并实现了一种基于卷积神经网络（Convolutional Neural Network,CNN）的鼓转录算法。采用短时傅里叶变换（Short-Time Fourier Transform,STFT）和梅尔滤波的方式提取声音信号的时频信息,然后经过CNN处理,最后使用峰值检测算法分别检测各个鼓组件的音符起始事件。（2）针对神经网络泛化能力不足的问题,提出了一种基于标签增强的训练方法。使用联合音轨信息和鼓类别信息的标签训练模型,通过自蒸馏的方式有效提升了神经网络的识别能力。（3）针对卷积神经网络编码能力有限的问题,设计了一种适用于架子鼓音乐自动转录的内卷神经网络模型,实验对比了与其他神经网络模型的转录能力。（4）针对开放语义的鼓转录问题,实现了一种基于小样本学习的关系网络模型,对比分析了模型分别在封闭语义和开放语义的转录能力。（5）基于上述鼓转录算法,设计了架子鼓识谱应用,验证了转录算法的有效性。测试表明,与目前基于神经网络的架子鼓音乐自动转录算法相比,本文所提出的算法在通用数据集的结果具有最高的平均F1值,为实现架子鼓智能辅助教学软件提供了核心算法支持。