prikaz prve stranice dokumenta Optičko raspoznavanje glazbe temeljeno na konvolucijskim modelima
Rad nije dostupan
diplomski rad
Optičko raspoznavanje glazbe temeljeno na konvolucijskim modelima
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. urn:nbn:hr:168:863552
Papež, Luka
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Papež, L. (2018). Optičko raspoznavanje glazbe temeljeno na konvolucijskim modelima (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:863552

Papež, Luka. "Optičko raspoznavanje glazbe temeljeno na konvolucijskim modelima." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:863552

Papež, Luka. "Optičko raspoznavanje glazbe temeljeno na konvolucijskim modelima." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:863552

Papež, L. (2018). 'Optičko raspoznavanje glazbe temeljeno na konvolucijskim modelima', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:863552

Papež L. Optičko raspoznavanje glazbe temeljeno na konvolucijskim modelima [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2018 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:863552

L. Papež, "Optičko raspoznavanje glazbe temeljeno na konvolucijskim modelima", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2018. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:863552

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:863552
Podaci o radu
NaslovOptičko raspoznavanje glazbe temeljeno na konvolucijskim modelima
Naslov (engleski)Optical Music Recognition Based on Convolutional Models
AutorLuka Papež
MentorZoran Kalafatić (mentor)
Član povjerenstvaZoran Kalafatić (predsjednik povjerenstva)
Član povjerenstvaTomislav Hrkać (član povjerenstva)
Član povjerenstvaMarin Šilić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2018-07-17, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:863552
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2019-03-13 23:37:58