基于深度学习的吉他谱识别

• 作者: 陈超艺 陈新度 吴磊
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 光学乐谱识别 吉他谱识别 深度学习 CRNN 图像识别
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 141-145
• 页数: 5页
• 分类号: TP301
• 语种: 中文
• DOI: 10.11907/rjdk.211215

摘要

光学乐谱识别是音乐智能化发展的关键部分,在音乐教学、创作等领域有重要应用价值.针对现有吉他谱识别方法步骤繁琐、识别精度低等问题,提出一种基于深度学习的吉他谱识别方法.首先通过分析吉他谱的特点,将吉他谱水平分割为品格音符图像、减时线图像、休止符图像和增时线图像;然后将品格音符图像依次与减时线图像叠加,输入到第1个CRNN模型中进行识别,将减时线图像、休止符图像和增时线图像叠加,输入到第2个CRNN模型中进行识别;最后将识别出的各个符号全局关联,获取完整的乐谱语义.实验结果表明,基于深度学习的吉他谱识别方法可达到98.3％的品格音符识别准确率和99.1％的时值音符识别准确率,与传统的吉他谱识别方法相比,该方法具有更快的识别速度与更高的识别精度.