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 |
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
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.
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.