基于卷积神经网络的光学音乐识别

光学字符确认（OCR）是一种扎根于计算机的数字化策略，通常用于将已检查档案中的内容转换为可访问和可编辑的结构。然而，不同种类的唱片，如旋律曲，其重要性又如何呢？

另一种方法是由印度尼西亚雅加达的大学的一个小组创建的，它利用了深刻的人工智能和卷积神经组织来准备在已知的原始拷贝上感知旋律文档的微妙之处。计算结果将能够把一个最近给出的旋律原稿转换成一个数字化结构，准确率为8%。事实上，即使在这个层次上，这也大大减少了对手册信息的衡量和对作文的修改。

这个框架需要谱号、格斗和旋律键的位置，然而这些都是毫不费力地以一种形式分配出来的。过滤成分的变化，在那一点上，识别出每个音符的情况，以这种方式表征音高。下一阶段将利用相等的计算来区分每个音符的音长，并识别出原稿的静默、休止和其他此类属性的情况。

在完全数字化的情况下，考虑到当前的编程，利用PC机“播放”利用各种乐器声音的作品，甚至将表现性的乐谱与音乐联系起来，让PC机“唱”曲子，都是一个微不足道的问题。OMR一旦开发出来，将在旋律作品的归档、音乐的表现、音乐教学等方面有着广泛的应用。该组织建议，他们的方法可以允许编程“应用程序”设计者为手机或平板电脑编写一个程序，允许任何人快速过滤一段乐谱，例如，并对原始拷贝进行OMR。显然，虽然音乐数字化设备可以为广大对音乐感兴趣的人提供支持，但迄今为止还存在着旋律能力的问题。遗憾的是，没有人提出申请。