|
|
Rozpoznávání a přehrávání not z fotografie
Staněk, Jiří ; Veľas, Martin (oponent) ; Pavelková, Alena (vedoucí práce)
Tato práce se zabývá vývojem aplikace pro automatické rozpoznávání not. Aplikace je určena pro mobilní telefony s operačním systémem Android. Práce obsahuje stručný úvod do problematiky a uvádí některá existující řešení problému. Jsou zde popsány použité metody pro zpracování obrazu a klasifikaci. Dále je popsán návrh a implementace samotné aplikace, kde je uveden způsob detekce a odstranění notových linek, detekce a zpracování hudebních symbolů a jejich klasifikace. Následuje vyhodnocení finální aplikace a shrnutí dosažených výsledků.
|
|
|
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.
|
|
|
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.
|
|
|
Rozpoznávání a přehrávání not z fotografie
Staněk, Jiří ; Veľas, Martin (oponent) ; Pavelková, Alena (vedoucí práce)
Tato práce se zabývá vývojem aplikace pro automatické rozpoznávání not. Aplikace je určena pro mobilní telefony s operačním systémem Android. Práce obsahuje stručný úvod do problematiky a uvádí některá existující řešení problému. Jsou zde popsány použité metody pro zpracování obrazu a klasifikaci. Dále je popsán návrh a implementace samotné aplikace, kde je uveden způsob detekce a odstranění notových linek, detekce a zpracování hudebních symbolů a jejich klasifikace. Následuje vyhodnocení finální aplikace a shrnutí dosažených výsledků.
|
host ::
RSS.