Generování hudebních symbolů pomocí neuronových sítí
| Název práce v češtině: | Generování hudebních symbolů pomocí neuronových sítí |
|---|---|
| Název v anglickém jazyce: | Generating music symbols using neural networks |
| Klíčová slova: | rozpoznávání notopisu|generování syntetických dat |
| Klíčová slova anglicky: | optical music recognition|synthetic data generation |
| Akademický rok vypsání: | 2022/2023 |
| Typ práce: | bakalářská práce |
| Jazyk práce: | angličtina |
| Ústav: | Ústav formální a aplikované lingvistiky (32-UFAL) |
| Vedoucí / školitel: | doc. RNDr. Pavel Pecina, Ph.D. |
| Řešitel: | Bc. et Bc. Jonáš Havelka - zadáno a potvrzeno stud. odd. |
| Datum přihlášení: | 11.07.2023 |
| Datum zadání: | 11.07.2023 |
| Datum potvrzení stud. oddělením: | 25.07.2023 |
| Datum a čas obhajoby: | 05.02.2024 09:00 |
| Datum odevzdání elektronické podoby: | 20.07.2023 |
| Datum odevzdání tištěné podoby: | 20.07.2023 |
| Datum proběhlé obhajoby: | 05.02.2024 |
| Oponenti: | Mgr. Jan Hajič, Ph.D. |
| Zásady pro vypracování |
| Generování syntetických trénovacích dat je řešením pro různé úlohy strojového učení. Jednou z nich je také rozpoznávání notopisů, a to jak tištěných, tak ručně psaných. Problém generování takových dat lze rozdělit na dva kroky: generování jednotlivých symbolů (not apod.) a generování celých osnov (případně stránek). Tato práce se věnuje kroku prvnímu, tedy generování izolovaných symbolů. Cílem je prozkoumat existující architektury neuronových sítí vhodné pro generování hudebních symbolů [např. 3, 4] a implementovat vybrané z nich tak, aby bylo možné využití generovaných symbolů v systému Mashcima [1]. |
| Seznam odborné literatury |
| Mayer, J., Pecina, P. Synthesizing Training Data for Handwritten Music Recognition. Document Analysis and Recognition – ICDAR 2021. ICDAR 2021. Lecture Notes in Computer Science(), vol 12823. Springer, Cham. (2021)
Rebelo, A., Capela, G. & Cardoso, J.S. Optical recognition of music symbols. International Journal of Document Recognition 13, 19–31 (2010) Makhzani, A., Shlens J., Jaitly, N., Goodfellow, I. Adversarial Autoencoders. International Conference on Learning Representations (2016) Bank, D., Koenigstein, N., & Giryes, R. Autoencoders. arXiv preprint arXiv:2003.05991 (2020) |