电子装置、基于深度学习的乐谱识别方法及存储介质.pdf
春波****公主
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
电子装置、基于深度学习的乐谱识别方法及存储介质.pdf
本发明公开了一种电子装置、基于深度学习的乐谱识别方法及存储介质,通过获取待判别音乐质量的乐谱中的音乐元素,将获取的音乐元素进行预处理,生成对应的音乐特征矩阵;将所述音乐特征矩阵代入预先确定的音乐力度标注模型进行识别,输出标注了音乐力度的乐谱;根据预先确定的音乐识别模型分析标注了音乐力度的乐谱,确定标注了音乐力度的乐谱是否符合预定义的音乐标准;若符合,则确定待判别音乐质量的乐谱合格,或者,若不符合,则确定待判别音乐质量的乐谱不合格。能够准确地识别出音乐作品的质量,且该方法简单灵活实用性强。
电子装置、基于深度学习的乐曲演奏风格识别方法及存储介质.pdf
本发明公开了一种电子装置、基于深度学习的乐曲演奏风格识别方法及存储介质,所述方法通过获取待演奏的乐曲对应的乐谱;根据预先训练完成的音乐力度标注模型对获取的乐谱进行音乐力度标注,以标注出所述乐谱中的音乐力度;根据标注的音乐力度,确定该乐曲的演奏风格。能够提高演奏初学者的学习效率及效果,且该方法简单灵活实用性强。
基于深度学习的批量图形码识别方法、装置及存储介质.pdf
本申请涉及基于深度学习的批量图形码识别方法、装置及存储介质。本申请采集批量图形码的视频,将视频逐帧分解获取若干批量图形码的图像,计算图像的清晰度,选取清晰度最高的图像为目标图像输入到经训练能够识别条形的第一图形码提取模型和第二图形码提取模型进行图形码的识别提取,将图形码逐一从包含批量图形码的图像中提取出来,分别对第一图形码提取模型和第二图形码提取模型提取出来的单个图形码进行解析,将解析结果进行对比,如果一致则判定图形码提取解析正确,如果不一致则输出提取解析错误。本申请能够对图形码解析结果的自验证,并在提取
基于深度学习的多声部乐谱识别方法.pdf
本发明公开了基于深度学习的多声部乐谱识别方法,本发明针对印刷体多声部乐谱提出一个基于深度学习的乐谱识别模型,基于卷积神经网络、数据增强、迁移学习的端到端乐谱音符识别方法旨在解决多声部乐谱音符识别过程中存在精度低,音符遗漏等问题。该模型采用多任务学习,可同时学习音高、时值的分类任务和音符坐标的回归任务。在模型在训练上,使用了神经网络中的微调技术,目的是为了更好地检测到乐谱中的和弦音符,实验结果表明,该模型能精确地识别多声部乐谱中的音符,在和弦音符的识别上也表现出了良好的性能。
基于深度学习的印章识别方法、系统及存储介质.pdf
本发明公开了基于深度学习的印章识别方法、系统及存储介质,属于机器视觉技术领域,本发明要解决的技术问题为印章识别场景少、印章扇形文字矫正效果差及文字识别准确率低,技术方案为:获取待识别图像,使用目标检测模型检测待识别图像中印章,获取待识别图像中印章对应的坐标信息及印章类型;根据待识别图像中印章对应的坐标信息,裁剪出待识别印章图像;使用图像旋转角度分类模型识别待识别印章图像的旋转角度,根据旋转角度将待识别印章图像矫正;使用文字检测模型检测矫正后的待识别印章图像中的文字,获取文字的坐标信息,根据文字坐标信息裁剪