Dissertação

Detecção de Onsets em notas de músicas instrumentais de piano utilizando representação Pitch e aprendizado de máquina

A análise de sinais de música e a extração de informações musicalmente relevantes para construir aplicações musicais fazem parte do campo de pesquisa de recuperação de informação de música (MIR, do inglês music information retrieval ), dentro do qual a tarefa de detecção automática de onsets está in...

ver descrição completa

Autor principal: Costa, Luciana Rolim
Outros Autores: http://lattes.cnpq.br/4615526264413836
Grau: Dissertação
Idioma: por
Publicado em: Universidade Federal do Amazonas 2023
Assuntos:
ENGENHARIAS
Detecção de onsets
Representação pitch
Aprendizado de máquina
Recuperação da informação musical
Notas de piano
Acesso em linha: https://tede.ufam.edu.br/handle/tede/9816
id oai:https:--tede.ufam.edu.br-handle-:tede-9816
recordtype dspace
spelling oai:https:--tede.ufam.edu.br-handle-:tede-98162023-11-17T05:03:47Z Detecção de Onsets em notas de músicas instrumentais de piano utilizando representação Pitch e aprendizado de máquina Costa, Luciana Rolim Silva Júnior, Waldir Sabino da http://lattes.cnpq.br/4615526264413836 http://lattes.cnpq.br/2925380715531711 Araújo, Gabriel Matos http://lattes.cnpq.br/4461794616207452 Santos, Eulanda Miranda dos http://lattes.cnpq.br/3054990742969890 ENGENHARIAS Detecção de onsets Representação pitch Aprendizado de máquina Recuperação da informação musical Notas de piano A análise de sinais de música e a extração de informações musicalmente relevantes para construir aplicações musicais fazem parte do campo de pesquisa de recuperação de informação de música (MIR, do inglês music information retrieval ), dentro do qual a tarefa de detecção automática de onsets está inserida. Detectar onsets em sinais de música consiste em detectar os instantes de tempo de início dos eventos musicais contidos no sinal de música e esta tarefa, geralmente, serve de base para construção de aplicações como transcrição automática de música de um ou mais instrumentos musicais, alinhamento de áudio com score, estimação do tempo da música, dentre outros. Nesta dissertação, um sistema de detecção automática de onsets em sinais de música de piano usando aprendizado de máquina é apresentado. No framework proposto, a representação tempo-frequência pitch é utilizada e os classificadores investigados são máquina de vetor de suporte (SVM, do inglês, support vector machine), gradient boosting e rede neural convolucional de uma dimensão (CNN 1D, do inglês, one dimensional convolutional neural network ). Os resultados dos experimentos realizados com as bases de dados BS1 e MAESTRO mostram que, na primeira abordagem, a SVM teve desempenho superior ao gradient boosting enquanto, na segunda abordagem, a métrica sensibilidade foi superior quando as características pitch foram utilizadas invés das características de espectrograma na base BS1. The analysis of music signals and the extraction of musically meaningful information to build musical applications are part of the research field called music information retrieval (MIR), within which the task of automatic onset detection is inserted. The detection of onsets in musical signals consists in detecting the time instants of the beginning of the musical events contained in the musical signal, and this task, generally, serves as a base for building applications like automatic music transcription of one or more musical instruments, audio-score alignment, time estimation of music, among others. This dissertation presents a system for automatic onset detection in piano music signals using machine learning. In the proposed framework, the time-frequency representation pitch is used and the classifiers investigated are support vector machine (SVM), gradient boosting, and one-dimensional convolutional neural network (1D CNN). The experiments results made with the databases BS1 and MAESTRO show that, in the first approach, the SVM had superior performance compared with gradient boosting, while in the second approach, the sensibility metric was higher when using the pitch features instead of the spectrogram features on the BS1 database. CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior 2023-11-16T18:18:40Z 2023-07-03 Dissertação COSTA, Luciana Rolim. Detecção de onsets em notas de músicas instrumentais de piano utilizando representação pitch e aprendizado de máquina. 2023. 82 f. Dissertação (Mestrado em Engenharia Elétrica) - Faculdade de Tecnologia, Universidade Federal do Amazonas, Manaus (AM), 2023. https://tede.ufam.edu.br/handle/tede/9816 por Acesso Aberto https://creativecommons.org/licenses/by-nc-nd/4.0/ application/pdf Universidade Federal do Amazonas Faculdade de Tecnologia Brasil UFAM Programa de Pós-graduação em Engenharia Elétrica
institution TEDE - Universidade Federal do Amazonas
collection TEDE-UFAM
language por
topic ENGENHARIAS
Detecção de onsets
Representação pitch
Aprendizado de máquina
Recuperação da informação musical
Notas de piano
spellingShingle ENGENHARIAS
Detecção de onsets
Representação pitch
Aprendizado de máquina
Recuperação da informação musical
Notas de piano
Costa, Luciana Rolim
Detecção de Onsets em notas de músicas instrumentais de piano utilizando representação Pitch e aprendizado de máquina
topic_facet ENGENHARIAS
Detecção de onsets
Representação pitch
Aprendizado de máquina
Recuperação da informação musical
Notas de piano
description A análise de sinais de música e a extração de informações musicalmente relevantes para construir aplicações musicais fazem parte do campo de pesquisa de recuperação de informação de música (MIR, do inglês music information retrieval ), dentro do qual a tarefa de detecção automática de onsets está inserida. Detectar onsets em sinais de música consiste em detectar os instantes de tempo de início dos eventos musicais contidos no sinal de música e esta tarefa, geralmente, serve de base para construção de aplicações como transcrição automática de música de um ou mais instrumentos musicais, alinhamento de áudio com score, estimação do tempo da música, dentre outros. Nesta dissertação, um sistema de detecção automática de onsets em sinais de música de piano usando aprendizado de máquina é apresentado. No framework proposto, a representação tempo-frequência pitch é utilizada e os classificadores investigados são máquina de vetor de suporte (SVM, do inglês, support vector machine), gradient boosting e rede neural convolucional de uma dimensão (CNN 1D, do inglês, one dimensional convolutional neural network ). Os resultados dos experimentos realizados com as bases de dados BS1 e MAESTRO mostram que, na primeira abordagem, a SVM teve desempenho superior ao gradient boosting enquanto, na segunda abordagem, a métrica sensibilidade foi superior quando as características pitch foram utilizadas invés das características de espectrograma na base BS1.
author_additional Silva Júnior, Waldir Sabino da
author_additionalStr Silva Júnior, Waldir Sabino da
format Dissertação
author Costa, Luciana Rolim
author2 http://lattes.cnpq.br/4615526264413836
author2Str http://lattes.cnpq.br/4615526264413836
title Detecção de Onsets em notas de músicas instrumentais de piano utilizando representação Pitch e aprendizado de máquina
title_short Detecção de Onsets em notas de músicas instrumentais de piano utilizando representação Pitch e aprendizado de máquina
title_full Detecção de Onsets em notas de músicas instrumentais de piano utilizando representação Pitch e aprendizado de máquina
title_fullStr Detecção de Onsets em notas de músicas instrumentais de piano utilizando representação Pitch e aprendizado de máquina
title_full_unstemmed Detecção de Onsets em notas de músicas instrumentais de piano utilizando representação Pitch e aprendizado de máquina
title_sort detecção de onsets em notas de músicas instrumentais de piano utilizando representação pitch e aprendizado de máquina
publisher Universidade Federal do Amazonas
publishDate 2023
url https://tede.ufam.edu.br/handle/tede/9816
_version_ 1831970261971238912
score 11.753735

Registros relacionados