Generování hudebních symbolů pomocí neuronových sítí
| Thesis title in Czech: | Generování hudebních symbolů pomocí neuronových sítí |
|---|---|
| Thesis title in English: | Generating music symbols using neural networks |
| Key words: | rozpoznávání notopisu|generování syntetických dat |
| English key words: | optical music recognition|synthetic data generation |
| Academic year of topic announcement: | 2022/2023 |
| Thesis type: | Bachelor's thesis |
| Thesis language: | angličtina |
| Department: | Institute of Formal and Applied Linguistics (32-UFAL) |
| Supervisor: | doc. RNDr. Pavel Pecina, Ph.D. |
| Author: | Bc. et Bc. Jonáš Havelka - assigned and confirmed by the Study Dept. |
| Date of registration: | 11.07.2023 |
| Date of assignment: | 11.07.2023 |
| Confirmed by Study dept. on: | 25.07.2023 |
| Date and time of defence: | 05.02.2024 09:00 |
| Date of electronic submission: | 20.07.2023 |
| Date of submission of printed version: | 20.07.2023 |
| Date of proceeded defence: | 05.02.2024 |
| Opponents: | Mgr. Jan Hajič, Ph.D. |
| Guidelines |
| 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]. |
| References |
| 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) |