-
公开(公告)号:CN114724151A
公开(公告)日:2022-07-08
申请号:CN202210430507.5
申请日:2022-04-22
Applicant: 厦门大学
IPC: G06V30/41 , G06N3/04 , G06V30/304 , G06V10/82 , G06V10/774
Abstract: 本发明提供了乐谱识别技术领域的一种基于卷积神经网络的古筝简谱识别方法及系统,方法包括如下步骤:步骤S10、获取古筝简谱图像,并对所述古筝简谱图像进行预处理;步骤S20、通过投影法对预处理后的所述古筝简谱图像进行分行,得到属性行、音符行以及汉字行;步骤S30、结合卷积神经网络、投影法、模板匹配法以及边缘检测法,提取所述属性行和音符行的简谱特征;步骤S40、将各所述简谱特征填入mus i cXML模板中,完成古筝简谱的识别。本发明的优点在于:极大的提升了古筝简谱的识别精度。
-
公开(公告)号:CN114202763A
公开(公告)日:2022-03-18
申请号:CN202111473849.7
申请日:2021-12-02
Applicant: 厦门大学
Abstract: 本发明提供了乐谱识别技术领域的一种音乐简谱语义翻译方法及系统,方法包括如下步骤:步骤S10、获取大量的简谱文件,将各所述简谱文件转换为简谱图片并进行预处理;步骤S20、创建一词义表以及一语法表,基于所述词义表以及语法表对预处理后的各简谱图片进行标注,得到简谱图片集;步骤S30、基于卷积循环神经网络创建一语义翻译模型,利用所述简谱图片集对语义翻译模型进行训练;步骤S40、利用训练后的所述语义翻译模型对音乐简谱进行自动翻译。本发明的优点在于:实现对简谱进行自动翻译,并保留音符本身的信息。
-
-