Title: Método de identificación automática para reconocimiento de elementos musicales presentes en imágenes 2D de partituras usando técnicas de aprendizaje profundo
Authors: Montañez Osorio, Juan Camilo
Torres Rodríguez, Claudia Paola
Director(s): Guzmán Avendaño, Roger Enrique, dir.
Keywords: APRENDIZAJE PROGRAMADO
RECONOCIMIENTO DE CARACTERES
INTELIGENCIA ARTIFICIAL
ALGORITMO
MÚSICA
APRENDIZAJE DE MAQUINA
TÉCNICA DE APRENDIZAJE
Issue Date: 2019
Citation: Montañez Osorio, J. C. & Torres Rodríguez, C. P. (2019). Método de identificación automática para reconocimiento de elementos musicales presentes en imágenes 2D de partituras usando técnicas de aprendizaje profundo. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ingeniería. Programa de Ingeniería de Sistemas. Bogotá, Colombia
Abstract: El proyecto consta de un experimento el cual tiene como objetivo la detección e identificación de elementos musicales presentes en imágenes de partituras 2D con el objetivo de crear una línea base que pueda ser implementada con el fin de apoyar la lectura de las partituras musicales. Se implementa un algoritmo basado en aprendizaje profundo que a través de la arquitectura de redes neuronales FASTER RCNN permite la detección de caracteres en imágenes. El desempeño del proyecto da como resultado una precisión de 71.8% y un AR75 de 69.1% mostrando así un buen desempeño en la identificación y clasificación de las imágenes.
Description: Trabajo de investigación
Bibliography References: Mercé , Vilar i Monmany. «Educacion y desarrollo musicales desde un punto de vista cognitivo.» En Educacion y desarrollo musicales desde un punto de vista cognitivo, de L Davinson,, & L Scripp, 5-6. Barcelona: LEEME(Lista Electronica Europea de Música en la Educacion, 2004

Carretero De la Rocha, D. (Junio de 2009). Universidad Carlos III de Madrid. Obtenido de Sistema de Reconocimiento de Partituras Musicales: https://earchivo.uc3m.es/handle/10016/7207

Vasilev, Ivan, Daniel Slater, y Gianmario Spacagna. Python Deep Learning. Birmingham: Packt Publishing Ltd., 2019

Marco, T. (Abril 2017). Analfabetos musicales. Melómano, 229.

Valverde, X. (2017). Contexto de aprendizaje musical y de transmisión cultural. Revista de Cienciassociales (CI) núm. 39, 110

Diego Calderón, J. G. (2018). Métodos de lectura musical y el aprendizaje de nuevos repertorios. Sonograma magazine num 037.

Welch, G. (Julio 2004). Psychology of music. United Kingdom: Graham Welchsempre

Gallo, Eva Maria, y María Isabel Reyzábal. «LA NOTACIÓN MUSICAL. DIFICULTADES DE LECTO-ESCRITURA EN ALUMNOS DE 2º CICLO DE E.S.O.» Red de Revistas Científicas de América Latina, el Caribe, España y Portugal, 2005: 465-485.

Gardner, H. (2011). Inteligencias múltiples, la teoría en la práctica. PAIDOS IBERICA

MuseAmi Inc. (Enero de 2015).ITunes. Obtenido de https://itunes.apple.com/es/app/musicpal-snap-hearplay/id976261614#?platform=ipad

Musitek. (17 de 6 de 2014).Google Play. Obtenido de https://play.google.com/store/apps/details?id=com.musitek.notereader&hl=es_ C

Gamandé Villanueva, N. (9 de Junio de 2013). Re-UNIR Repositorio Digital. Obtenido de https://reunir.unir.net/bitstream/handle/123456789/2595/gamande%20villanueva.p df?sequence=1&isAllowe

Pereira Ghiena, A. (2014). ACADEMICA. Obtenido de file:///C:/Users/Juan/AppData/Local/Packages/Microsoft.MicrosoftEdge_8wekyb3d 8bbwe/TempState/Downloads/Tesis_Maestria_PereiraGhiena(final)%20(1).pdf

Sánchez Fernández, C. J., & Sandonís Consuegra, V. (2008). Universidad Carlos III De Madrid. Obtenido de Reconocimiento Optico de Caracteres(OCR): http://www.it.uc3m.es/jvillena/irc/practicas/08-09/09.pdf

Gutiérrez, José Antonio Taquía. «El procesamiento de imágenes y su potencial.» Universidad de Lima, 2017

GUEVARA SANIN, JUAN SEBASTIAN. Teoria Musical. 2015.

Sosa , Roberto, y Mariela Dominguez. Conceptos Básicos del Lenguaje Musical. San Luis: Universidad de La Punta, 2014.

Varela Cañón, Jeferson Camilo. «Reconocimiento automatico de partituras para guitarra por medio de vision artificial y redes neuronales artificiales.» Universidad La Salle, 2018.

Fujinaga, I., Moore, S., & Sullivan Jr, D. S. (1998). Implementation of exemplar- based learning model. Universidad Johns Hopkins

Calvo Zaragoza, Jorge, Francisco J. Castellanos, Gabriel Vigliensoni, y Ichiro Fujinaga. «Deep Neural Networks for Document Processing of Music Scores Images.» MDPI, 2018
URI: https://hdl.handle.net/10983/24012
Appears in Collections:ACI. Pregrado Sistemas



This item is protected by original copyright



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.