<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=129835"><dc:title>Avtomatska transkripcija klavirske glasbe s konvolucijskimi nevronskimi mrežami</dc:title><dc:creator>Mohorčič,	Domen	(Avtor)
	</dc:creator><dc:creator>Kononenko,	Igor	(Mentor)
	</dc:creator><dc:creator>Pesek,	Matevž	(Komentor)
	</dc:creator><dc:subject>avtomatska transkripcija glasbe</dc:subject><dc:subject>konvolucijska nevronska mreža</dc:subject><dc:subject>klavirska glasba</dc:subject><dc:subject>transformacija s konstantnim Q</dc:subject><dc:subject>logaritemska kompresija</dc:subject><dc:description>V diplomski nalogi obravnavamo problem avtomatske transkripcije glasbe z uporabo globokih nevronskih mrež, natančneje s konvolucijskimi nevronskimi mrežami.
Avtomatska transkripcija glasbe je postopek zapisa not iz poslušanja glasbenega posnetka.
Preučili smo dosedanje pristope in ugotovili pomanjkanje raziskav o velikosti in o obliki posameznih arhitektur globokih modelov.
Raziskali smo uspešnost štirih različnih arhitektur konvolucijskih nevronskih mrež na zbirki klavirskih posnetkov MAPS, ki je pogosta izbira za učenje avtomatske transkripcije glasbe.
Preučili smo tudi dva različna pristopa normalizacije spektrogramov: standardizacijo in logaritemsko kompresijo.
Izkazalo se je, da na uspešnost transkripcije pozitivno vpliva večje število konvolucijskih plasti v nevronski mreži.
Prav tako je bila transkripcija na logaritemsko kompresiranih spektrogramih za 10 \% uspešnejša od transkripcije na standardiziranih spektrogramih.</dc:description><dc:date>2021</dc:date><dc:date>2021-09-08 15:05:01</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>129835</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>