تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله از تشخیص موسیقی نوری تا تشخیص موسیقی دست نویس – نشریه الزویر

عنوان فارسی: از تشخیص موسیقی نوری تا تشخیص موسیقی دست نویس: یک مبنا
عنوان انگلیسی: From Optical Music Recognition to Handwritten Music Recognition: A baseline
تعداد صفحات مقاله انگلیسی : 8 تعداد صفحات ترجمه فارسی : 21
سال انتشار : 2019 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده و pdf
نوع مقاله : ISI نوع نگارش : مقالات پژوهشی (تحقیقاتی)
پایگاه : اسکوپوس نوع ارائه مقاله : ژورنال
ایمپکت فاکتور(IF) مجله : 3.944 در سال 2018 شاخص H_index مجله : 139 در سال 2019
شاخص SJR مجله : 0.662 در سال 2018 شناسه ISSN مجله : 0167-8655
شاخص Q یا Quartile (چارک) : Q1 در سال 2018 کد محصول : 10037
محتوای فایل : zip حجم فایل : 4.51Mb
رشته و گرایش های مرتبط با این مقاله: مهندسی کامپیوتر، هوش مصنوعی و مهندسی الگوریتم ها و محاسبات، مهندسی نرم افزار
مجله: اسناد تشخیص الگو - Pattern Recognition Letters
دانشگاه: گروه نرم افزار و سیستم های محاسباتی ، دانشگاه آلیکانته ، اسپانیا
کلمات کلیدی: تشخیص موسیقی نوری، تشخیص موسیقی دست‌نویس، تحلیل و تشخیص تصویری سند، شبکه های عصبی عمیق، حافظه طولانی کوتاه مدت
کلمات کلیدی انگلیسی: Optical music recognition - Handwritten music recognition - Document image analysis and recognition - Deep neural networks - LSTM
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن: ترجمهبه صورت عدد درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است ✓
بیس: نیست ☓
مدل مفهومی: ندارد ☓
پرسشنامه: ندارد ☓
متغیر: ندارد ☓
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است
doi یا شناسه دیجیتال: https://doi.org/10.1016/j.patrec.2019.02.029
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1. مقدمه

2. مطالعات مرتبط

2.1. رویکردهای سنتی

2.2. رویکردهای مبتنی بر یادگیری عمیق

2.3. رویکردهای مربوط به پارتیتورهای دست‌نویس

2.4. خلاصه

3. معماری پیشنهادی

4. داده افزایی و یادگیری انتقالی

5. آزمایش

5.1. مجموعه داده ها

5.2. ارزیابی

5.3. نتایج مربوط به اسناد چاپی

5.4. نتایج مربوط به اسناد دست‌نویس

5.5. مقایسه با نرم افزار تجاری OMR

5.6. بحث

6. نتیجه گیری و کار آینده

منابع

نمونه متن انگلیسی

Abstract

Optical Music Recognition (OMR) is the branch of document image analysis that aims to convert images of musical scores into a computer-readable format. Despite decades of research, the recognition of handwritten music scores, concretely the Western notation, is still an open problem, and the few existing works only focus on a specific stage of OMR. In this work, we propose a full Handwritten Music Recognition (HMR) system based on Convolutional Recurrent Neural Networks, data augmentation and transfer learning, that can serve as a baseline for the research community.

نمونه متن ترجمه

چکیده

تشخیص موسیقی نوری (OMR) شاخه ای از تجزیه و تحلیل تصویری سند محسوب می شود که در پی تبدیل تصاویر پارتیتورها به صورتی قابل خوانش توسط کامپیوتر می باشد. به رغم دهه ها تحقیق، تشخیص پارتیتورهای دست‌نویس که در اصل نت‌نگاری غربی است، همچنان یک مساله مفتوح بوده و آثار معدودی وجود دارند که تنها بر روی مرحله خاصی از OMR تمرکز نموده اند. در اثر حاضر، ما سیستم کاملی از تشخیص موسیقی دست‌نویس (HMR) را بر اساس شبکه های عصبی بازگشتی پیچشی، داده افزایی و یادگیری انتقالی پیشنهاد نمودیم که می تواند به عنوان مبنایی برای جامعه تحقیقاتی عمل نماید.