| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
یک سیستم تشخیص موسیقی نوری جدید بر مبنای شبکه های عصبی ترکیبی |
| عنوان انگلیسی مقاله: |
A new optical music recognition system based on combined neural network |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2015 |
| تعداد صفحات مقاله انگلیسی | 7 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی فناوری اطلاعات، مهندسی کامپیوتر |
| گرایش های مرتبط با این مقاله | سیستم های چند رسانه ای، هوش مصنوعی |
| مجله | بازشناسی الگو حروف |
| دانشگاه | دانشکده برق و مهندسی اطلاعات، دانشگاه هونان چانگشا، چین |
| کلمات کلیدی | شبکه عصبی، تشخیص موسیقی نوری، پردازش تصویر |
| شناسه شاپا یا ISSN | ISSN 0167-8655 |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
| نشریه | Elsevier |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 19 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| ترجمه متون داخل جداول | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
۱- مقدمه
۲-آثار مرتبط
۳ – گام های پیش پردازش
۳.۱ -پیش پردازش تصویر
۳.۲ -تشخیص و حذف خط حامل
۴ -دسته بندی و تشخیص علایم موسیقی
۴.۱ دسته بندی علامت های موسیقی
۴.۱.۱ ساختار ارایه شده ی CNN
۴.۱.۲ -ورودی ها
۴.۱.۳ -پرسپترون چند لایه (MLP)
۴.۱.۴ پایگاه داده و آموزش
۴.۱.۵ -اکثریت آرا
۴.۲ تشخیص علامت موسیقی
۴.۲.۱ -پیدا کردن علامت ها در بین خطوط عمودی
۴.۲.۲ تحلیل گروههای نتی که به وسیله ی شاهین ها به هم متصل هستند
۴.۲.۳ پردازش نقطه ها و سر نت ها
۴.۲.۴پردازش نویز
۴.۲.۵ پردازش سایر نمادها
۴.۳ گروه بندی نمادها
۵ نتایج و بحث
۶ نتیجه گیری
- بخشی از ترجمه:
۶ نتیجه گیری
یک روش برای تشخیص علامتهای موسیقی و طبقه بندی آنها در دست نوشته ها و پارتیتورهای پرینت شده نشان داده شد. روش ما در تشخیص علامتها موسیقی از شیت های موسیقی به خوبی عمل کرد. ما علامتها را بر مبنای CNN جدید ارایه شده طبقه بندی کردیم که عملکرد آن فوق العاده بود. اگر اطلاعات اولیه مان را به حد کافی با هم ادغام می کردیم نتایج می توانست بهتر از اینها هم باشد. هنگامی که علامتها در گام آخر گروه بندی می شوند, قوانین نوشتن موسیقی از جمله اطلاعات متنی قوانین موقعیت نسبی برای کاهش سردرگمی مفید است. تحقیقات بیشتر می تواند شامل بهبود طبقه بندی کننده با تعریف یک شبکه ی عصبی خاص تر برای علامت های موسیقی و توسعه ی یک سیستم تشخیص بهتر با به کار گیری راهکارهای ممکن باشد.
- بخشی از مقاله انگلیسی:
6. Conclusions and future work
A method for music symbols detection and classification in handwritten and printed scores was presented. Our method does well at recognizing music symbols from the music sheets. We classify the symbols basing on the proposed new CNN, whose performance is excellent. The results could be better if we integrate as much as priori knowledge as possible. When the symbols are grouped in the last step, music writing rules including contextual information relative position rules is helpful to reduce the symbols confusion. For the processing of the note groups connected with beams, the projection approach may also lead to better performance. Further investigations could include the improvement of the classifier by defining a more specific neural network for the music symbols, and the development of a better recognition system by applying the above possible solutions.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
یک سیستم تشخیص موسیقی نوری جدید بر مبنای شبکه های عصبی ترکیبی |
| عنوان انگلیسی مقاله: |
A new optical music recognition system based on combined neural network |
|
|