【摘 要】
:
光学乐谱识别是音乐智能化发展的关键部分,在音乐教学、创作等领域有重要应用价值.针对现有吉他谱识别方法步骤繁琐、识别精度低等问题,提出一种基于深度学习的吉他谱识别方法.首先通过分析吉他谱的特点,将吉他谱水平分割为品格音符图像、减时线图像、休止符图像和增时线图像;然后将品格音符图像依次与减时线图像叠加,输入到第1个CRNN模型中进行识别,将减时线图像、休止符图像和增时线图像叠加,输入到第2个CRNN模型中进行识别;最后将识别出的各个符号全局关联,获取完整的乐谱语义.实验结果表明,基于深度学习的吉他谱识别方法可
【机 构】
:
广东工业大学广东省计算机集成制造重点实验室;广东工业大学省部共建精密电子制造技术与装备国家重点实验室,广东广州510006
论文部分内容阅读
光学乐谱识别是音乐智能化发展的关键部分,在音乐教学、创作等领域有重要应用价值.针对现有吉他谱识别方法步骤繁琐、识别精度低等问题,提出一种基于深度学习的吉他谱识别方法.首先通过分析吉他谱的特点,将吉他谱水平分割为品格音符图像、减时线图像、休止符图像和增时线图像;然后将品格音符图像依次与减时线图像叠加,输入到第1个CRNN模型中进行识别,将减时线图像、休止符图像和增时线图像叠加,输入到第2个CRNN模型中进行识别;最后将识别出的各个符号全局关联,获取完整的乐谱语义.实验结果表明,基于深度学习的吉他谱识别方法可达到98.3%的品格音符识别准确率和99.1%的时值音符识别准确率,与传统的吉他谱识别方法相比,该方法具有更快的识别速度与更高的识别精度.
其他文献
“互联网+教育”“人工智能+教育”已成为世界高等教育的重要发展方向.人工智能时代带来的学习资源海量化、学习对象多样化和学习文化多元化,为高校学生学习方式变革提供了诸多重要机遇.在强基时代、跃迁时代和未来时代,人工智能的迭代升级使得学生学习方式变革呈现典型的渐进特征,并促使学生转变学习观念、打破壁垒,逐步走向深层次学习、无边界学习、混合式学习和共同体学习.
对高等教育而言,区块链是一种能够促进教育改革、重塑教育生态的新型技术.由于技术的限制,区块链技术虽然在教育领域面临着变革动力缺乏、教育数据存储遭遇瓶颈、隐私安全存在隐患、虚拟教育数据产权尚未明确等方面的问题,但并不能够阻碍区块链和高等教育耦合的发展趋势,它在教育信息管理、教育资源共享、终身学习体系、促进高等教育民主化4个方面为高等教育带来了新的发展契机.
甲状腺结节是临床常见疾病,由其发展而成的甲状腺癌发病率逐年上升.甲状腺超声图像结构复杂、边缘不清晰、斑点噪声严重、对比度低,给甲状腺疾病的诊断带来极大困难.使用Mask R-CNN算法,结合迁移学习方式,在ImageNet数据集上预训练网络ResNet50、SENet及SE-ResNet50,得到预训练权重参数,以此作为实验模型的初始化参数.采用优化损失函数的方法,以融合残差注意力机制的SE-ResNet50为主干网络进行特征提取,实现了精确率为0.936、召回率为0.851、特异性为0.948、mAP值
子宫肌层浸润深度直接关系到子宫内膜癌患者的治疗和预后,通常使用磁共振成像进行人工评估,受主观影响较大.基于磁共振图像,提出一种计算机辅助判断子宫肌层浸润深度的方法.该方法仅需要计算机或人工提供较容易辨识的子宫体区域就能自动估计浸润程度.首先基于Otsu和形态学处理分割病灶区域,然后提取并融合病灶区域的一阶纹理特征和灰度共生矩阵特征,最后训练支持向量机进行浸润程度分类.实验结果表明,该方法的accuracy达到86.1%、sensitivity达到68.4%、specificity达到91.7%,优于常见分
基于贪心算法建立可靠的智能导检路径优化模型,依据预测多个检查项目的体检顺序及时间节点信息,优化健康体检时间.将2021年3月份江苏省中医院体检中心的体检数据作为初始数据样本,经过数据清洗最终选择29126条数据作为研究对象,利用最小二乘法拟合数据构建体检客户到达率与时间的函数关系,将误差平方和(SSE)及R-square作为评价指标,建立以服务时间、排队时间、路程时间三者总时间的智能导检模型.研究结果表明,体检客户到达率SSE值分别为5.115、0.7878、4.541等,R-square值分别为0.97
当今轨道交通迅猛发展,安全高效的列车运转是其重要的前提条件.全方位智能技术的出现,为轨道交通运行中原有的各种人工检测方法提供了技术支撑.提出一种利用道岔边缘特征提取和参数空间精确计算的实时机器视觉检测方法,针对轨道交通中的道岔转换过程中道岔的密贴程度,采用机器视觉技术进行检测.该方法主要包括4个方面:通过预处理抑制图像中目标对象的周围环境以突出轨道特征;在边缘检测中,应用Canny算子对轨道道岔图像进行检测;通过改进Hough变换进行道岔边缘提取,并进行边缘拟合处理;将参数空间中的间距进行转换,完成道岔密
文本情感分析通过提取文本特征,根据文本中的情感倾向进行分类.研究表明,递归神经网络和卷积神经网络模型具有良好的性能.为提高文本情感分类性能,提出一种融合注意力和比较增强学习机制的混合网络情感分析模型,用比较增强学习机制进行分类来替代大量的复杂计算.该模型通过嵌入层向量化后,分别用CNN和双向门控循环单元提取不同特点的文本特征,把两者提取得到的特征进行融合,并引入注意力机制判断不同词对句子含义的重要程度,再使用比较增强学习机制与样本向量进行比较后对特征向量进行评分.混合网络情感分析模型在两个情感分析数据集上
基于卷积神经网络(CNNs)的区域建议生成方法(PRN)是通过实例级注释进行训练所得,也是当前全监督目标检测(FSOD)的重要组成部分.由于实例级注释耗时耗力,而图像级注释相比之下更容易收集,因此仅使用图像级注释的弱监督目标检测(WSOD)引起了众多研究者的关注.当前,WSOD依赖于诸如选择性搜索之类标准的区域建议生成方法,这些方法容易生成大量有噪的建议框,导致其存在无法拟合真实的目标对象.鉴于此,基于卷积特征多层融合以及分割引导策略获取高质量建议框,具体而言,利用卷积网络深层信息进行多层融合,以及边缘信
针对使用话语级特征参数矩阵作为卷积神经网络输入而导致收敛速度慢及识别率低的问题,提出一种基于二维主成分分析(2DPCA)特征降维的卷积神经网络(CNN)说话人识别方法.首先将每段语音分帧成多个帧级语音并提取同等大小的帧级特征组成特征矩阵,然后利用2DPCA对特征矩阵进行降维处理,再将得到的主成分特征向量组合成新的特征矩阵作为CNN的输入,最后通过CNN的自适应特征学习创建说话人模型.基于Alexnet的CNN模型实验结果表明,采用该说话人识别方法使运行时间减少了57%,同时识别率也有所提高.
中医古籍文本分词是中医古籍结构化表示及深度挖掘的基础性工作.有监督的中医古籍文本分词简易可行,但存在耗费大量人力物力、专业门槛高、主观性强、扩展性不好等问题.为此改进TextRank算法,提出ConnectRank算法,根据字符连通度实现中医古籍无监督分词.基于《伤寒杂病论》《黄帝内经》《难经》等700篇中医古籍文献语料设计实验.实验结果表明,该模型在中医古籍文本分词中较其他无监督分词模型有更好的分词效果,比传统的无监督分词方法提高了11.2%.