notes-recognition

识别乐谱并将其转录为MIDI 识别笔记的方法 在从头开始编写项目并测试了不同方法的尝试失败了几次之后，我遇到了以下：它描述了一种使用卷积网络和递归网络的组合来识别音符的方法。 该方法尤其用于文本识别。 因此，我决定采用一种光学字符识别实现方式，并训练基于便签的网络。 选择了。 解释其工作原理的。 数据集 有关音符识别数据集的最完整信息可在找到 但是，没有适合于我的任务的带有标记音符高度的数据集。 具有间距映射的唯一可用数据集是 ，这些数据来自撰写原始文章的人，上面提供了链接。 这是一个由生成的图像，带有用于每个音符和符号的适当标签。 数据集特征 94,984个随机单音序列，由52个符号组成：从C4到E5的音符，4种长度（一半，四分之一，八分之一，十六分之一），相同持续时间的4个暂停，大小符号（3 / 4、4 / 4、6 / 8） ，变更标志（清晰，平坦，bacar），高音谱号，酒吧。