Dissertação

Hybrid System for Automatic Music Transcription EVALUATED

Transcrever automaticamente uma peça de música é uma tarefa muito desafiante. Para tal, é necessário uma perceção e interpretação do som e da música que se tem revelado difícil de replicar numa máquina. No entanto, já existem diversos métodos que resolvem subproblemas desta tarefa. Nesta tese é proposto um sistema híbrido para Transcrição Automática de Música, que combina duas técnicas distintas de Aprendizagem Automática. É implementado um método de factorização de espectrogramas baseado na técnica “Probabilistic Latent Compo- nent Analysis”. Este método utiliza uma biblioteca de "templates" de instrumentos e notas pré-extraídos, bib- lioteca esta que terá um grande impacto no processo de transcrição. Como tal, é desenvolvida e treinada uma “Deep Neural Network” para identificação de instrumentos contidos num dado ficheiro de som. Combinando os dois métodos mencionados anteriormente, é então criado um sistema híbrido que elimina a necessidade de manualmente determinar o correto tamanho da biblioteca de "templates" ao transcrever um dado ficheiro de som. Este sistema híbrido demostra que através da combinação de métodos distintos de Aprendizagem Automática é possível garantir maior autonomia no processo de transcrição. Neste caso, o sistema proposto garante a precisão de transcrição do método “Probabilistic Latent Component Analysis” adquirindo uma maior autonomia na transcrição, pois através da rede neuronal treinada é feita uma identificação automática dos instrumentos musicais presentes na música a transcrever.
Transcrição Automática de Música, Aprendizagem Automática, Probabilistic Latent Component Analysis, Deep Learning, Convolutional Neural Networks, Sistema híbrido

Maio 19, 2017, 17:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Rodrigo Martins de Matos Ventura

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar