|
|
Převod notového zápisu do digitální formy
Vaško, Radim ; Davídek, Daniel (oponent) ; Richter, Miloslav (vedoucí práce)
Diplomová práce specifikuje digitální metody optického rozpoznávání notového záznamu s podrobnou analýzou metod založených na odstranění notových linek a vytvoření testovacího programu, který automaticky převede obrázky zapsané v notovém zápisu na digitální formát. Tato práce shrnuje poznatky jak z rešeršní, tak z praktické části. V rešeršní části jsou popsány stěžejní kapitoly jako architektura OMR zahrnující processing, klasifikace symbolů, postprocessing a další. Praktická část diplomové práce prezentuje výsledky vývoje a testování navržené aplikace.
|
|
|
Automatické rozpoznávání hudebního zápisu pomocí neuronových sítí
Vlach, Vojtěch ; Kohút, Jan (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce řeší problém rozpoznání hudebních zápisů z obrázku do textové podoby pomocí umělé inteligence a neuronových sítí. Zaměřuje se konkrétně na tištěnou polyfonní hudbu (více not a hlasů naráz). Cílem práce je vytvořit model schopný rozpoznat složité zápisy a jeho úspěšnost porovnat s předchozí literaturou a známými modely. Zvolený problém jsem vyřešil díky využití architektury Vision-transformer, kde jsem testoval několik variant sítě za účelem nalezení té nejvýkonější, a vytvoření nového datasetu s polyfonní hudbou. Práce představuje proces vytvoření datasetu pomocí syntetizování obrázků z formátu MusicXML programem MuseScore. Nejúspěšnější varianta architektury Vision-Transformer dosahuje minimální chybovosti pouze 7,86 %, což je velmi slibné pro další vývoj a využití. Hlavním zjištěním je, že architektura má potenciál dominovat na tomto poli stejně jako na jiných polích výzkumu a pro konkrétní úlohu rozpoznání polyfonních hudebních zápisů existuje funkční řešení, což bylo doteď předmětem debaty.
|
|
|
Optical Music Recognition using Deep Neural Networks
Mayer, Jiří ; Pecina, Pavel (vedoucí práce) ; Hajič, Jan (oponent)
Automatický přepis notových zápisů (Optical Music Recognition) je zajímavá úloha, v mnoha ohledech podobná automatickému přepisu textu (Optical Character Recognition). Přináší s sebou ovšem mnoho problémů, které způsobují potíže klasickým metodám počí- tačového vidění. Hluboké neuronové sítě umožnily řešit automatický přepis textu tzv. end-to-end přístupem, kdy se celá úloha řeší najednou. Zkusili jsme použít tuto metodu na problém rozpoznávání notových zápisů, ale zaměřili jsme se pouze na ručně psané zápisy. Pro vyřešení nedostatku trénovacích dat jsme vyvinuli sázecí systém s názvem Mashcima. Tento systém úspěšně napodobuje vzhled datasetu CVC-MUSCIMA. Provedli jsme vyhodnocení našeho přístupu na části datasetu CVC-MUSCIMA s velmi nadějnými výsledky, což naznačuje, že použité řešení je funkční a další práce v tomto směru by mohla vést ještě k dalšímu zlepšení. 1
|
|
|
Optical Recognition of Handwritten Music Notation
Hajič, Jan ; Pecina, Pavel (vedoucí práce) ; Fujinaga, Ichiro (oponent) ; Černocký, Jan (oponent)
Rozpoznávání notopisu (Optical Music Recognition, OMR) je obor studující jak automaticky číst hudební notaci. Tato disertace prezentuje formou souboru publikovaných prací příspěvky k teorii, infrastruktuře a metodám OMR především pro ručně psanou notaci. Hlavními přínosy jsou (1) formální popis hudební notace pomocí notačního grafu (Music Notation Graph, MuNG), orientovaného grafu, ze kterého lze jednoznačně odvodit v notaci zakódovanou hudební sémantiku, (2) datová sada MUSCIMA++ hudebních rukopisů, které jsou anotovány pomocí MuNG, a lze ji tak využít pro trénování a evaluování libovolných systémů a podsystémů OMR, včetně extrakce hudební sémantiky a (3) systém rozpoznávání notopisu extrahující hudební sémantické informace z rukopisů, který používá strojové učení jak pro detekci notačních objektů, tak pro jejich usouvstažňování, a na základě takto automaticky vytvořené reprezentace pomocí MuNG deterministicky dopočítává sémantiku. Ačkoliv tento OMR systém stále dělá množství chyb, jedná se o první systém, který hudební rukopisy rozpoznává tak, že lze jeho výsledky využít na některé z úloh motivujících práci na OMR, a zpracovává libovolně komplikovanou notaci.
|
|
|
Převod notového zápisu do digitální formy
Vaško, Radim ; Davídek, Daniel (oponent) ; Richter, Miloslav (vedoucí práce)
Diplomová práce specifikuje digitální metody optického rozpoznávání notového záznamu s podrobnou analýzou metod založených na odstranění notových linek a vytvoření testovacího programu, který automaticky převede obrázky zapsané v notovém zápisu na digitální formát. Tato práce shrnuje poznatky jak z rešeršní, tak z praktické části. V rešeršní části jsou popsány stěžejní kapitoly jako architektura OMR zahrnující processing, klasifikace symbolů, postprocessing a další. Praktická část diplomové práce prezentuje výsledky vývoje a testování navržené aplikace.
|
host ::
RSS.