一种数字乐谱音乐信息快速智能提取算法

数字乐谱信息来源广泛且格式多样,导致提取目标信息花费时间较长,为此,文章提出一种数字乐谱音乐信息快速提取算法。从初始音乐信息中提取一级种子URL,将其加入待爬取的数字乐谱URL队列,识别并匹配与目标乐谱相关的特征。基于深度学习算法筛选出与目标乐谱相匹配的信息部分,实现快速准确的信息提取。经验证,该算法在确保FI值达到0.98的前提下,提取测试曲目乐谱的高音音符、长音音符以及节奏音符信息的整体时间开销仅为115 s,展现出了出色的信息提取速度。

数字乐谱中嵌入MIDI信息的盲水印算法

提出一种基于光学乐谱识别(Optical Music Recognition,OMR)技术的适合于二值乐谱图像中嵌入其相应MIDI(Musical Instrument Digital Interface)信息的盲水印算法,可实现数字乐谱信息和MIDI信息的重建.实验结果表明,此算法不会对乐谱识别产生任何影响,且有利于数字音乐乐谱和数字音序的完整性审计和同步传播.

数字音乐图书馆与计算机光学乐谱识别技术

首先叙述了数字音乐图书馆的基本概念,然后针对数字音乐图书馆实施中面临的大量纸介质乐谱的数字化难题,介绍一种新的乐谱数字化技术———计算机光学乐谱识别技术,并对其实现原理和流程进行了简要阐述。

乐谱数字化与数据库建设研究——以《西安音乐学院乐谱资料数字服务平台》为例

乐谱是记录、保存和传播音乐作品最基本的文献形式之一。当各种音乐学术资源、音频/视频资源纷纷实现数字化并为人们专业学习、研究、听赏带来极大方便的时候,数字化乐谱资源也无疑被人们所热切期待。时代呼唤着专业化、数字化乐谱和数据库出台,乐谱文献的数字化转型已然成为网络信息时代的发展趋势。在综合考察国内外乐谱数字化工作的基础上,以西安音乐学院自建乐谱数据库为例,讨论了乐谱数字化与数据库建设的相关问题。

乐谱出版的现状与数字化探索

乐谱是音乐传承最重要的途径,从手抄谱到印刷谱,乐谱一直是以视觉呈现的单一形式而存在的。而数字化的出现,则为乐谱的出版与传播变革带来新的挑战机遇。本文从乐谱出版的形成与现状出发,对比数字化出版的优劣,提出数字化乐谱出版中可能存在的阻力,探索数字化乐谱出版的可行性路径。

基于方向数探测法的倾斜乐谱识别技术研究

计算机光学乐谱识别(OpticalMusicRecognition,OMR)利用扫描仪等数码设备,对已有的纸质乐谱进行扫描,形成数字乐谱图像,再利用专用的软件系统进行处理与识别,提取出音乐信息.文章根据乐谱中音乐符号的统计与结构特征,提出了方向数的概念,并构造出方向数探测法,利用此方法对倾斜数字乐谱图像进行谱线、小节线和符干的识别,通过对50例乐谱的试验,取得较好的效果.

基于测度学习支持向量机的钢琴乐谱难度等级识别

现有钢琴乐谱难度分类主要由人工方式完成,效率不高,而自动识别乐谱难度等级的算法对类别的拟合度较低。因此,与传统将乐谱难度等级识别归结为回归问题不同,本文直接将其建模为基于支持向量机的分类问题。并结合钢琴乐谱分类主观性强、特征之间普遍存在相关性等特点,利用测度学习理论有难度等级标签乐谱的先验知识,依据特征对难度区分的贡献度,改进高斯径向基核函数,从而提出一种测度学习支持向量机分类算法——MLSVM算法。在9类和4类难度两个乐谱数据集上,我们将ML-SVM算法与逻辑回归,基于线性核函数、多项式核函数、高斯径向基核函数的支持向量机算法以及结合主成分分析的各个支持向量机算法进行了对比,实验结果表明我们提出算法的识别正确率优于现有算法,分别为68.74%和84.67%。所提算法有效提高了基于高斯径向基核函数支持向量机算法在本应用问题中的分类性能。

《九宫大成南北词宫谱》工尺谱数据集构建及其若干应用

本研究对《九宫大成南北词宫谱》及其译本进行了数字化,构建了包含工尺谱、唱词与相应简谱翻译对齐的、多源异构的中国传统音乐数据集。运用700余首人工录入所得工尺谱与简谱的小样本数据集设计并训练出基于深度学习的解谱模型,由此翻译了余下约5800首曲目,最终整理得到含6563首曲目的全本数据集。此外,还在数据集上进行了若干应用探究:进行音乐形态学分析,探讨了谱字声调与唱腔动态间的关系;建立了数字化乐谱的在线展示平台。本研究意在填补音乐计算领域中关于中国传统音乐的数据空白,并为机器理解传统音乐提供一些新的思路。