Mūzikas nošu atpazīšana ar neironu tīkliem

Abstract

Automātiska nošu atpazīšana mūzikā ir sarežģīts uzdevums, kurā mūsdienās labākos rezultātus sasniedz neironu tīkli. Darbā tiek izvērtēta nošu atpazīšanas precizitāte atkarībā no dažādām izvēlēm tīkla uzbūvē un mūzikas datu reprezentācijā. Tiek apskatītas arī nošu atpazīšanai piemērotas datu kopas un dažādi neironu tīkli. Rezultātā tiek izveidota jauna neironu tīkla arhitektūra, kura balstās uz Jaukšanas-Apmaiņas tīkliem. Tiek parādīts, ka uz MusicNet datu kopas ar piedāvāto arhitektūru tiek sasniegta jauna pasaulē labākā nošu atpazīšanas precizitāte.

Automatic music transcription is a complex task on which the best results are currently achieved by neural networks. In this paper, the precision of music transcription is evaluated for various choices of data representation and the architecture of the neural network. Comparisons are made between several datasets and existing neural networks that are suitable for the task. A new neural network architecture is proposed that is based on the Shuffle-Exchange networks. The proposed architecture achieves a new state-of-the-art on the MusicNet dataset for music transcription.