Transkripcija klavirske glasbe z globokim učenjem

diplomsko delo

Povzetek

Transkripcija glasbe je zahteven postopek simboličnega zapisa glasbenega posnetka. Cilj tega diplomskega dela je bila preučitev transkripcije klavirske glasbe z metodami globokega učenja, za kar so bili implementirani in preizkušeni trije modeli globokih nevronskih mrež: večnivojski perceptron, konvolucijska nevronska mreža in globoka verjetnostna mreža. Z modelom globoke verjetnostne mreže je bilo preizkušeno nenadzorovano predučenje, katerega namen je izluščenje glasbenih značilnosti iz zvočnega signala. Učenje modelov in preverjanje končne uspešnosti transkripcije je bilo izvedeno na zbirki za transkripcijo klavirske glasbe MAPS. Izvedena je bila tudi primerjava predpriprave podatkov s transformacijama hitre Fourierove transformacije in transformacije s konstantnim Q. Končni rezultati so pokazali, da je globoko učenje s pravim učnim načrtom lahko močno orodje za transkripcijo glasbe.

Ključne besede

avtomatična transkripcija glasbe;globoke nevronske mreže;klavirska glasba;globoko učenje;večnivojski perceptron;konvolucijska nevronska mreža;globoka verjetnostna mreža;hitra Fourierova transformacija;transformacija s konstantnim Q;računalništvo;računalništvo in informatika;univerzitetni študij;diplomske naloge;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2015
Tipologija:	2.11 - Diplomsko delo
Organizacija:	UL FRI - Fakulteta za računalništvo in informatiko
Založnik:	[J. Jug]
UDK:	004.85:78(043.2)
COBISS:	1536477635
Št. ogledov:	1014
Št. prenosov:	220
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Transcription of piano music with deep learning
Sekundarni povzetek:	Transcription of music is a complex process of transcribing an audio recording into a symbolic notation. The goal of this thesis was to examine transcription of piano music with deep learning, for which three models of deep neural networks were implemented: multilayer perceptron, convolutional neural network and deep belief network. Through the use of deep belief network, unsupervised pretraining for automatic extraction of musical features from audio signals was also tested. Learning of these models and evaluation of transcription was performed with MAPS database for piano music transcription. A comparison between Fast Fourier Transform and Constant Q Transform for data pre-processing was also carried out. Final results show that deep learning with an appropriate learning schedule is potentially a powerful tool for automatic transcription of music.
Sekundarne ključne besede:	automatic music transcription;deep neural networks;piano music;deep learning;multilayer perceptron;convolutional neural network;deep belief network;fast Fourier transform;constant Q transform;computer science;computer and information science;diploma;
Vrsta datoteke:	application/pdf
Vrsta dela (COBISS):	Diplomsko delo/naloga
Študijski program:	1000468
Konec prepovedi (OpenAIRE):	1970-01-01
Komentar na gradivo:	Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani:	43 str.
ID:	8890075