prikaz prve stranice dokumenta Optičko raspoznavanje glazbe temeljeno na konvolucijskim modelima
No public access
master's thesis
Optičko raspoznavanje glazbe temeljeno na konvolucijskim modelima
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. urn:nbn:hr:168:863552
Papež, Luka
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Papež, L. (2018). Optičko raspoznavanje glazbe temeljeno na konvolucijskim modelima (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:863552

Papež, Luka. "Optičko raspoznavanje glazbe temeljeno na konvolucijskim modelima." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. https://urn.nsk.hr/urn:nbn:hr:168:863552

Papež, Luka. "Optičko raspoznavanje glazbe temeljeno na konvolucijskim modelima." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2018. https://urn.nsk.hr/urn:nbn:hr:168:863552

Papež, L. (2018). 'Optičko raspoznavanje glazbe temeljeno na konvolucijskim modelima', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 27 December 2024, https://urn.nsk.hr/urn:nbn:hr:168:863552

Papež L. Optičko raspoznavanje glazbe temeljeno na konvolucijskim modelima [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2018 [cited 2024 December 27] Available at: https://urn.nsk.hr/urn:nbn:hr:168:863552

L. Papež, "Optičko raspoznavanje glazbe temeljeno na konvolucijskim modelima", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2018. Available at: https://urn.nsk.hr/urn:nbn:hr:168:863552

Metadata
TitleOptičko raspoznavanje glazbe temeljeno na konvolucijskim modelima
Title (english)Optical Music Recognition Based on Convolutional Models
AuthorLuka Papež
MentorZoran Kalafatić (mentor)
Committee memberZoran Kalafatić (predsjednik povjerenstva)
Committee memberTomislav Hrkać (član povjerenstva)
Committee memberMarin Šilić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2018-07-17, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Optičko raspoznavanje glazbe (engl. Optical Music Recognition odnosno OMR) je područje istraživanja fokusirano na ekstrakciju informacija iz slika glazbene notacije (partitura). Ovaj rad započinje kratkim pregledom postojećih istraživanja u području optičkog raspoznavanja glazbe. Problem transkripcije glazbene notacije u tekst je postavljen kao problem prevođenja jezika te su primjenjene metode strojnog učenja za rješavanje. Prroblemu je pristupljeno s cjelovitim pristupom sustava s-kraja-na-kraj odnosno sustav sam uči funkcionalnost samo iz prezentiranih ulaznih slika i očekivanog izlaza. Radi toga je generiran umjetni skup podataka s visokim brojem uzoraka temeljen na metodi pronađenoj u prethodno objavljenim radovima. Cjeloviti transkripcijski sustav temeljen na enkoder-dekoder arhitekturi neuronskih mreža je implementiran i uspoređen sa srodnim usporednim modelima. Zanimljiva moguća sekundarna primjena razvijenog sustava za spajanje kompresiju ili kompresiju notnih zapisa je prikazana. Rad završava opširnim pregledom mogućih budućih istraživačkih smjerova u području cjelovitih s-kraja-na-kraj transkripcijskih sustava.
Abstract (english)
Optical Music Recognition (OMR) is a field of research focusing on extracting information from images of music notation (scores). The work begins with short overview of existing OMR research. The problem of score-to-text transcription is posed as a language translation problem and tackled with machine learning techniques. A decision is made to tackle the problem end-to-end meaning that the entire functionality is automatically learned by presenting the system with available input and desired output. To achieve this, a large synthetic dataset of musical scores and their textual description is created using a method based on previous research. An end-to-end OMR transcription system based on a encoder-decoder neural network architecture is implemented and evaluated against related baseline models. Although the system provides some functionality, substantial improvement for real-world application is required. Interesting possible side-applications of developed system for score fusion or compression are presented. The work ends with a large overview of possible future research directions regarding end-to-end OMR systems.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:863552
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2019-03-13 23:37:58