Оптикалық музыканы тану - Optical music recognition

Оптикалық музыканы тану (OMR) - құжаттардағы музыкалық жазбаны қалай есептеу керектігін зерттейтін зерттеу аймағы.[1] OMR мақсаты - компьютерді оқуға және түсіндіруге үйрету ноталар және музыкалық жазбаның машинада оқылатын нұсқасын жасау. Сандық түрде түсірілгеннен кейін, музыканы жиі қолданылатын файл форматтарында сақтауға болады, мысалы. MIDI (ойнату үшін) және MusicXML (беттің орналасуы үшін).

Бұрын ол жаңылыстырып, Музыка деп те аталады OCR. Айырмашылықтарға байланысты бұл термин енді қолданылмауы керек.[2]

Тарих

Дэвид Прерудың музыкалық ұпайларын цифрлық сканерлеуді алғаш рет 1971 жылы жариялады

60-шы жылдардың соңында басылған парақты музыканы оптикалық тану басталды MIT қашан бірінші кескін сканерлері ғылыми-зерттеу институттары үшін қол жетімді болды.[3][4][5] Ертедегі компьютерлердің есте сақтау қабілеті шектеулі болғандықтан, алғашқы әрекеттер музыканың бірнеше өлшемімен ғана шектелді.

1984 жылы жапондық зерттеу тобы Васеда университеті WABOT (WAseda roBOT) деп аталатын арнайы музыкалық робот ойлап тапты, ол музыкалық парақты алдында оқып, әншімен бірге жүре алады. электрлік орган.[6][7]

OMR-дегі алғашқы зерттеулерді Ичиро Фуджинага, Николас Картер, Киа Нг, Дэвид Бейнбридж және Тим Белл жүргізді. Бұл зерттеушілер бүгінгі күнге дейін қолданылып жүрген көптеген тәсілдерді жасады.

Бірінші коммерциялық OMR қосымшасы, MIDISCAN (қазір SmartScore ), 1991 жылы шығарылды Musitek корпорациясы.

Қол жетімділігі смартфондар жақсы камералармен және жеткілікті есептеу қуатымен, пайдаланушы смартфонмен суретке түсіретін және құрылғы кескінді тікелей өңдейтін мобильді шешімдерге жол ашты.

Басқа өрістермен байланыс

Оптикалық музыканы танудың басқа зерттеу салаларымен байланысы

Оптикалық музыканы тану зерттеудің басқа салаларына, соның ішінде жатады компьютерлік көру, құжаттарды талдау және музыкалық ақпаратты іздеу. Бұл OMR жүйелерін компьютерге музыка енгізу құралы ретінде қолданатын және осылайша процесті жеңілдететін тәжірибелі музыканттар мен композиторлар үшін өте маңызды. құрастыру, транскрипциялау және музыканы редакциялау. Кітапханада OMR жүйесі музыка ұпайларын іздеуге болатындай етіп жасай алды[8] ал музыкатанушылар үшін бұл көлемді музыкологиялық зерттеулер жүргізуге мүмкіндік береді.[9]

OMR және OCR

Оптикалық музыканы тану оптикалық таңбаларды танумен жиі салыстырылды.[2][10][11] Ең үлкен айырмашылық - музыкалық нота - бұл табиғи жазба жүйесі. Бұл дегеніміз, алфавит нақты анықталған примитивтерден тұрады (мысалы, сабақтар, ескертпелер немесе жалаушалар), бұл олардың конфигурациясы - олардың штатқа қалай орналастырылатындығы және орналасуы - семантиканы және оны қалай түсіндіру керектігін анықтайды.

Екінші маңызды айырмашылық - OCR жүйесі әріптер мен сөздерді тану шеңберінен шықпаса да, OMR жүйесі музыканың семантикасын қалпына келтіреді деп күтілуде: Пайдаланушы нотаның тік орналасуы (графикалық түсінік) күтілуде музыкалық нота ережелерін қолдану арқылы биіктікке (музыкалық тұжырымдама) аударылған. Мәтінді тануда тиісті балама жоқ екеніне назар аударыңыз. Аналогия бойынша музыкалық парақтың кескінінен музыканы қалпына келтіру музыканы қалпына келтіру сияқты қиын болуы мүмкін HTML бастапқы код бастап скриншот а веб-сайт.

Үшінші айырмашылық пайдаланылған таңбалар жиынтығынан туындайды. Қытай сияқты жазу жүйелерінде ерекше күрделі таңбалар жиынтығы болса да, OMR үшін примитивтердің таңбалар жиынтығы нүкте сияқты кішкентай элементтерден бастап, брекет сияқты бүкіл парақты қамтуы мүмкін үлкен элементтерге дейінгі өлшемдердің ауқымын кеңейтеді. Кейбір белгілерде дерлік шектеусіз көрініс бар, олар кез-келген жерде үзілуі мүмкін аз-кем тегіс қисықтар ретінде анықталады.

Сонымен, музыкалық нотаға барлық жерде кеңістіктегі екі жақты қатынастар жатады, ал мәтінді бастапқы өлшемдер орнатылғаннан кейін бір өлшемді ақпарат ағыны ретінде оқуға болады.

OMR тәсілдері

Үзіндісі Nocturne Op. 15, жоқ. 2, Фредерик Шопен - оптикалық музыканы тануда кездесетін қиындықтар

Әуенді тану үдерісі, әдетте, мамандандырылған адамдармен жұмыс жасайтын кішігірім қадамдарға бөлінеді үлгіні тану алгоритмдер.

Көптеген бәсекелес тәсілдер ұсынылды, олардың көпшілігінде құбырдың архитектурасын бөліседі, мұнда осы құбырдағы әр саты белгілі бір әрекетті орындайды, мысалы келесі кезеңге өтпес бұрын қызметкерлер шебін анықтау және жою. Бұл тәсілдің жалпы проблемасы - бір кезеңде жасалған қателер мен артефактілер жүйе арқылы таралады және қойылымға қатты әсер етуі мүмкін. Мысалы, егер персоналды желіні анықтау кезеңі музыкалық персоналдың бар екендігін дұрыс анықтай алмаса, келесі қадамдар кескіннің сол аймағын елемеуі мүмкін, бұл шығарылымдағы ақпараттың жетіспеуіне әкеледі.

Мәселенің қарапайым болып көрінуіне байланысты оптикалық музыканы тану жиі бағаланбайды: Егер типтік музыканы тамаша сканерлеу қамтамасыз етілсе, визуалды тануды проекциялар мен шаблондарды сәйкестендіру сияқты жеткілікті қарапайым алгоритмдер тізбегімен шешуге болады. Алайда, көптеген жүйелер мүлдем мойындамайтын нашар сканерлеу немесе қолмен жазылған музыка үшін процесс айтарлықтай қиындайды. Егер барлық таңбалар өте жақсы анықталған болса да, екіұштылық пен музыкалық нота ережелерін жиі бұзу салдарынан музыкалық семантиканы қалпына келтіру қиынға соғады (Шопеннің Ноктюрн мысалын қараңыз). Дональд Берд пен Якоб Симонсен OMR қиын, өйткені заманауи музыкалық нота өте күрделі.[11]

Дональд Берд сонымен қатар бірқатар қызықты мысалдарды жинады[12] сондай-ақ экстремалды мысалдар[13] музыкалық нотациялардың күрделілігін көрсететін музыкалық нота.

OMR жүйелерінің нәтижелері

OMR жүйелеріне арналған типтік қосымшаларға музыкалық партаның естілетін нұсқасын жасау кіреді (қайта ойнату мүмкіндігі деп аталады). Мұндай нұсқаны жасаудың жалпы тәсілі - а құру MIDI болуы мүмкін файл синтезделген аудио файлға. MIDI файлдары гравюралық ақпаратты сақтауға қабілетті емес (ескертулер қалай салынған) немесе аккармоникалық емле.

Егер музыкалық партитуралар адамның оқылымдылығы мақсатымен танылса (қайта басу мүмкіндігі деп аталады), құрылымы және гравюра туралы нақты ақпаратты қамтитын құрылымдық кодировканы қалпына келтіру керек. Осы ақпаратты сақтау үшін қолайлы форматтар кіреді MEI және MusicXML.

Осы екі қосымшадан басқа метамәліметтерді кескіннен шығарып алу немесе іздеуді қосу да қызықты болуы мүмкін. Алғашқы екі бағдарламадан айырмашылығы, музыкалық партитураны түсінудің төменгі деңгейі осы тапсырмаларды орындау үшін жеткілікті болуы мүмкін.

Жалпы негіз (2001)

Оптикалық музыканы тану архитектурасы Bainbridge and Bell (2001)

2001 жылы Дэвид Бейнбридж және Тим Белл OMR проблемалары туралы өз жұмыстарын жариялады, онда олар алдыңғы зерттеулерге шолу жасады және OMR үшін жалпы негіз жасады.[10] Олардың шеңберін 2001 жылдан кейін жасалған көптеген жүйелер қолданды. Рамка объектілерді көрнекі түрде анықтауға баса назар аударатын төрт кезеңнен тұрады. Олар музыкалық семантиканы қалпына келтіру жарияланған мақалалардан жиі алынып тасталатынын байқады, өйткені қолданылған операциялар шығару форматына тән болды.

Тазартылған шеңбер (2012)

Ана Ребело және басқалар ұсынған оптикалық музыканы танудың жалпы негізі. 2012 жылы

2012 жылы Ана Ребело және т.б. оптикалық музыканы танудың әдістері зерттелді.[14] Олар жарияланған зерттеулерді жіктеп, OMR құбырын төрт кезеңге бөлді: алдын-ала өңдеу, музыкалық белгілерді тану, музыкалық нотацияны қайта құру және түпкілікті ұсыну құрылысы. Бұл құрылым OMR үшін де-факто стандартқа айналды және ол әлі күнге дейін қолданылып келеді (бірақ кейде кейбір сәл өзгеше терминологиямен). Әр блок үшін олар осы мәселені шешуге қолданылатын әдістерге шолу жасайды. Бұл басылым 2019 жылға арналған OMR зерттеулеріне ең көп сілтеме жасалған құжат болып табылады.

Терең оқыту (2016 жылдан бастап)

Келуімен терең оқыту, көптеген компьютерлерді көру проблемалары қолмен жасалған эвристикамен және инженерлік техникамен бағдарламалаудан машиналық оқытуға ауысты. Оптикалық музыканы тануда персоналды өңдеу кезеңі,[15][16] музыкалық нысанды анықтау кезеңі,[17][18][19][20] сонымен қатар музыкалық нотацияны қалпына келтіру кезеңі[21] оларды терең біліммен шешудің сәтті әрекеттерін көрді.

Тіпті мүлдем жаңа тәсілдер ұсынылды, соның ішінде OMR-ді музыкалық партитуралардың бейнесін түсіретін және танылған музыканы оңайлатылған форматта тікелей шығаратын, тізбектегі модельдермен ұштастыра шешілетін.[22][23][24][25]

Көрнекті ғылыми жобалар

Қызметкерлерді кетіру мәселесі

2016 жылға дейін жасалған жүйелер үшін персоналды анықтау және алып тастау айтарлықтай кедергі жасады. Техникалық жағдайды жақсарту және өрісті алға жылжыту мақсатында ғылыми жарыс ұйымдастырылды.[26] Қызметкерлерді шығару кезеңін ескірген керемет нәтижелер мен заманауи әдістердің арқасында бұл конкурс тоқтатылды.

Алайда, осы қиындық үшін жасалған еркін қол жетімді CVC-MUSCIMA мәліметтер қоры OMR зерттеуі үшін өте маңызды, өйткені онда 50 түрлі музыканттар транскрипциялаған, өз қолымен жазылған музыкалық партитуралардың 1000 жоғары сапалы суреттері бар. Әрі қарай 1000 беттен 140-қа дейін егжей-тегжейлі аннотациялардан тұратын MUSCIMA ++ мәліметтер жиынтығына кеңейтілді.

SIMSSA

Музыкалық партитураларды іздеу мен талдаудың бірыңғай интерфейсі (SIMSSA)[27] - бұл компьютерлерге музыкалық партитураларды тануға және оларды қол жетімді етуге үйретуге тырысатын ең үлкен жоба. Liber Usualis қоса алғанда, бірнеше қосалқы жобалар сәтті аяқталды[28] және Cantus Ultimus.[29]

ТРОМПА

Richer Online Music-ке арналған қоғамдық домендік архивтер (TROMPA) - бұл Еуропалық Одақтың қаржыландыруы бойынша, жалпыға қол жетімді цифрлық музыкалық ресурстардың қол жетімді болуын зерттейтін халықаралық ғылыми жоба.[30]

Деректер жиынтығы

OMR жүйелерінің дамуы әр түрлі жағдайда жұмыс істейтін жүйенің жұмыс істеуін қамтамасыз ету үшін жеткілікті мөлшерде және әртүрлілікте тестілік мәліметтер жиынтығынан пайда көреді. Алайда, заңды себептер мен ықтимал авторлық құқық бұзушылықтарға байланысты, мұндай деректер жиынтығын құру және жариялау қиынға соғады. OMR үшін ең маңызды деректер жиынтығына OMR деректер жиындары жобасы сілтеме жасайды және қорытындылайды[31] және CVC-MUSCIMA қамтиды,[32] MUSCIMA ++,[33] DeepScores,[34] PrIMuS,[35] ХОМУС,[36] және SEILS деректер базасы,[37] сонымен қатар Әмбебап музыкалық рәміздер жинағы.[38]

Бағдарламалық жасақтама

Академиялық және бастапқы көзі ашық бағдарламалық жасақтама

Көптеген OMR жобалары академиялық ортада жүзеге асырылды, бірақ олардың тек кейбіреулері жетілген күйге жетті және пайдаланушыларға сәтті орналастырылды. Бұл жүйелер:

Коммерциялық бағдарламалық жасақтама

Соңғы 20 жылда жасалған коммерциялық жұмыс үстелі қосымшаларының көпшілігі коммерциялық сәттіліктің болмауына байланысты қайтадан жабылып, OMR өнімдерін әзірлейтін, қолдайтын және сататын бірнеше сатушылар ғана қалды. 100% дәлдікке дейін жоғары тану жылдамдығы [46][47] бірақ бұл нөмірлердің қалай алынғанын ашып көрсете алмаймыз, сондықтан оларды тексеру және әртүрлі OMR жүйелерін салыстыру мүмкін емес. Жұмыс үстелі қосымшаларынан басқа мобильді қосымшалар да пайда болды, бірақ Google Play дүкенінде әртүрлі пікірлер алынды және болды мүмкін тоқтатылған (немесе, кем дегенде, 2017 жылдан бері ешқандай жаңарту алған жоқ).[48][49][50] OMR қосымшаларын Apple Store дүкенінен iPhone және iPad құрылғыларына да табуға болады.[51][52][53][54][55]

  • капелланы сканерлеу[56]
  • ForteScan Light Fortenotation бойынша[57] қазір Scan Score[58]
  • MIDI-қосылымдарды MIDI-қосылымдар бойынша сканерлеу[59]
  • Брайберн бойынша MP сканері.[60] SharpEye SDK қолданады.
  • Бұлбұлмен біріктірілген сканер[61]
  • OMeR (Optical Music Easy Reader) Harmony Assistant және Melody Assistant қосымшасы: сансыз бағдарламалық жасақтама[62] (ShareWare)
  • PDFtoMusic[63]
  • Нейронның PhotoScore.[47] PhotoScore бағдарламасының жеңіл нұсқасы қолданылады Сибелиус. PhotoScore SharpEye SDK қолданады.
  • Organum Limited-тен PlayScore.[64]
  • NpcImaging арқылы Scorscan.[65] SightReader (?) Негізінде
  • SharpEye by Visiv[66]
    • VivaldiScan (SharpEye сияқты)[67]
  • SmartScore Мүситек.[68] Бұрын «MIDISCAN» ретінде оралған. (SmartScore Lite алдыңғы нұсқаларында қолданылған Финал ).
  • ScanScore[69] (Сонымен бірге бума ретінде Forte Notation.) [70]

Сондай-ақ қараңыз

  • Музыкалық ақпаратты іздеу (MIR) - бұл музыкалық ақпараттарды, соның ішінде музыкалық партитуралар мен аудионы алудың кең ауқымды проблемасы.
  • Оптикалық таңбаларды тану (OCR) - қолдануға болатын мәтінді тану құжаттарды іздеу, ұқсас OMR және MIR. Алайда, толық OMR жүйесі музыка партитурасында бар мәтінді сенімді түрде көрсетуі керек, сондықтан OMR шын мәнінде OCR-дің суперсеті болып табылады.[10]

Әдебиеттер тізімі

  1. ^ Пача, Александр (2019). Өзін-өзі оқыту оптикалық музыканы тану (PhD). TU Wien, Австрия. дои:10.13140 / RG.2.2.18467.40484.
  2. ^ а б Кальво-Сарагоса, Хорхе; Хажич, кіші қаңтар; Пача, Александр (2019). «Музыканы оптикалық тануды түсіну». arXiv:1908.03608 [cs.CV ].
  3. ^ Фуджинага, Ичиро (2018). ОМР тарихы қосулы YouTube
  4. ^ Пруслин, Деннис Ховард (1966). Парақ музыкасын автоматты түрде тану (PhD). Массачусетс технологиялық институты, Кембридж, Массачусетс, АҚШ.
  5. ^ Прерау, Дэвид С. (1971). Басып шығарылған музыканың компьютерлік үлгісін тану. Бірлескен күзгі компьютерлік конференция. 153–162 бет.
  6. ^ «WABOT - WAseda roBOT». Васеда Университеті Гуманоид. Алынған 14 шілде, 2019.
  7. ^ «IEEE роботтар жинағына Wabot жазбасы». IEEE. Алынған 14 шілде, 2019.
  8. ^ Лаплант, Одри; Фуджинага, Ичиро (2016). Музыкалық партитураларды цифрландыру: кітапханалар үшін қиындықтар мен мүмкіндіктер. Музыкатануға арналған сандық кітапханалар бойынша 3-ші халықаралық семинар. 45-48 бет.
  9. ^ Хажич, кіші қаңтар; Коларова, Марта; Пача, Александр; Кальво-Сарагоса, Хорхе (2018). Музыканы танудың қазіргі кездегі оптикалық жүйелері цифрлық кітапханалар үшін қаншалықты пайдалы болып отыр?. Музыкатануға арналған сандық кітапханалар бойынша 5-ші халықаралық конференция. Париж, Франция. 57-61 бет.
  10. ^ а б c Бейнбридж, Дэвид; Bell, Tim (2001). «Оптикалық музыканы тану мәселесі». Компьютерлер және гуманитарлық ғылымдар. 35 (2): 95–121. дои:10.1023 / A: 1002485918032. Алынған 23 ақпан 2017.
  11. ^ а б Берд, Дональд; Симонсен, Якоб Грю (2015). «Оптикалық музыканы танудың стандартты төсегіне қарай: анықтамалар, метрикалар және беттер кескіндері». Жаңа музыкалық зерттеулер журналы. 44 (3): 169–195. дои:10.1080/09298215.2015.1045424.
  12. ^ «Қызықты музыкалық нота галереясы». Дональд Берд. Алынған 14 шілде, 2019.
  13. ^ «Кәдімгі музыкалық нота белгілері». Дональд Берд. Алынған 14 шілде, 2019.
  14. ^ Ребело, Ана; Фуджинага, Ичиро; Пасцкевич, Филипе; Маркаль, Андре Р.С .; Гидес, Карлос; Кардосо, Джейми дос Сантос (2012). «Музыканы оптикалық тану: заманауи және ашық мәселелер» (PDF). Халықаралық мультимедиялық ақпаратты іздеу журналы. 1 (3): 173–190. дои:10.1007 / s13735-012-0004-6.
  15. ^ Галлего, Антонио-Хавьер; Кальво-Сарагоса, Хорхе (2017). «Таңдаулы автоинкодерлермен персоналды жою». Қолданбалы жүйелер. 89: 138–148. дои:10.1016 / j.eswa.2017.07.002.
  16. ^ Кастелланос, Фанциско Дж.; Кальво-Сарагоса, Хорхе; Виглиенсони, Габриэль; Фуджинага, Ичиро (2018). Селекциялық авто-кодтаушылармен музыкалық партитуралық кескіндерді құжаттық талдау (PDF). Музыкалық ақпаратты іздеу жөніндегі 19-шы Халықаралық қоғам. Париж, Франция. 256–263 бб.
  17. ^ Туггенер, Лукас; Элези, Исмаил; Шмидубер, Юрген; Stadelmann, Thilo (2018). Музыкалық нысандарды тану үшін терең су айдынының детекторы (PDF). Музыкалық ақпаратты іздеу жөніндегі 19-шы Халықаралық қоғам. Париж, Франция. 271–278 беттер.
  18. ^ Хажич, кіші қаңтар; Дорфер, Матиас; Видмер, Герхард; Печина, Павел (2018). Музыкалық символды U-Nets арқылы анықтайтын толық құбырлы қолмен жазылған OMR-ге қарай (PDF). Музыкалық ақпаратты іздеу жөніндегі 19-шы Халықаралық қоғам. Париж, Франция. 225–232 беттер.
  19. ^ Пача, Александр; Хажич, кіші қаңтар; Кальво-Сарагоса, Хорхе (2018). «Терең оқытумен жалпы музыкалық нысанды анықтаудың негізі». Қолданбалы ғылымдар. 8 (9): 1488–1508. дои:10.3390 / app8091488.
  20. ^ Пача, Александр; Чой, Квон-Янг; Кюаснон, Бертран; Риккебург, Янн; Занибби, Ричард; Эйденбергер, Хорст (2018). Қолмен жазылған музыкалық нысанды анықтау: ашық мәселелер және бастапқы нәтижелер (PDF). Құжаттарды талдау жүйелері бойынша 13-ші халықаралық семинар. 163–168 беттер. дои:10.1109 / DAS.2018.51.
  21. ^ Пача, Александр; Кальво-Сарагоса, Хорхе; Хажич, кіші Ян. (2019). Толық құбырлы оптикалық музыканы тану үшін нотациялық графикалық құрылысты үйрену. Музыкалық ақпаратты іздеу жөніндегі 20-шы Халықаралық қоғам (конференцияда) (баспасөзде).
  22. ^ ван дер Вел, Элко; Ульрих, Карен (2017). Конволюциялық реттіліктен реттілікке дейінгі модельдермен музыканы оптикалық тану (PDF). Музыкалық ақпаратты іздеу жөніндегі 18-ші Халықаралық қоғам. Сучжоу, Қытай.
  23. ^ Кальво-Сарагоса, Хорхе; Ризо, Дэвид (2018). «Монофониялық ұпайларды ұшы-қиырына дейін жүйке-оптикалық музыканы тану». Қолданбалы ғылымдар. 8 (4): 606. дои:10.3390 / app8040606.
  24. ^ Баро, Арнау; Риба, Пау; Кальво-Сарагоса, Хорхе; Fornés, Alicia (2017). Қайталанатын жүйке желілері арқылы музыканы оптикалық тану. Құжаттарды талдау және тану бойынша 14-ші халықаралық конференция. 25-26 бет. дои:10.1109 / ICDAR.2017.260.
  25. ^ Баро, Арнау; Риба, Пау; Кальво-Сарагоса, Хорхе; Форнес, Алисия (2019). «Музыканы оптикалық танудан қолжазбаға дейін тану: бастапқы деңгей». Үлгіні тану хаттары. 123: 1–8. дои:10.1016 / j.patrec.2019.02.029. hdl:10045/89708.
  26. ^ Форнес, Алисия; Дутта, Анжан; Гордо, Альберт; Лладос, Хосеп (2013). «2012 жылғы музыкалық ұпайлар сайысы: кадрларды шығару және жазушыны анықтау». Графиканы тану. Жаңа тенденциялар мен сын-қатерлер. Информатика пәнінен дәрістер. Спрингер. 7423: 173–186. дои:10.1007/978-3-642-36824-0_17. ISBN  978-3-642-36823-3.
  27. ^ «SIMSSA жобасының веб-сайты». McGill университеті. Алынған 14 шілде, 2019.
  28. ^ «Liber Usualis жобасының веб-сайты». McGill университеті. Алынған 14 шілде, 2019.
  29. ^ «Cantus Ultimus жобасының веб-сайты». McGill университеті. Алынған 14 шілде, 2019.
  30. ^ «TROMPA жобасының веб-сайты». Trompa консорциумы. Алынған 14 шілде, 2019.
  31. ^ «OMR деректер жиынтығы жобасы (Github репозиторийі)». Пача, Александр. Алынған 14 шілде, 2019.
  32. ^ Форнес, Алисия; Дутта, Анжан; Гордо, Альберт; Лладос, Хосеп (2012). «CVC-MUSCIMA: жазушыны анықтау және персоналды алып тастауға арналған музыкалық сценарийлердің қолмен жазылған негізгі ақиқаты». Халықаралық құжаттарды талдау және тану журналы. 15 (3): 243–251. дои:10.1007 / s10032-011-0168-2.
  33. ^ Хажич, кіші қаңтар; Печина, Павел (2017). MUSCIMA ++ қолмен жазылған оптикалық музыканы тануға арналған деректер жиынтығы. Құжаттарды талдау және тану бойынша 14-ші халықаралық конференция. Киото, Жапония. 39-46 бет. дои:10.1109 / ICDAR.2017.16.
  34. ^ Туггенер, Лукас; Элези, Исмаил; Шмидубер, Юрген; Пелилло, Марчелло; Stadelmann, Thilo (2018). DeepScores - кішігірім объектілерді сегментациялау, анықтау және жіктеуге арналған деректер жиынтығы. Үлгіні тану бойынша 24-ші халықаралық конференция. Бейжің, Қытай. дои:10.21256 / zhaw-4255.
  35. ^ Кальво-Сарагоса, Хорхе; Ризо, Дэвид (2018). Camera-PrIMuS: нақты монофониялық партитураларда нейроннан оптикалық музыканы тану (PDF). Музыкалық ақпаратты іздеу жөніндегі 19-шы Халықаралық қоғам. Париж, Франция. 248–255 бет.
  36. ^ Кальво-Сарагоса, Хорхе; Онкина, Хосе (2014). Қаламға негізделген музыкалық нотацияны тану: HOMUS деректер жиынтығы. Үлгіні тану бойынша 22-ші халықаралық конференция. 3038–3043 бет. дои:10.1109 / ICPR.2014.524.
  37. ^ Парада-Кабалейро, Эмилия; Батлинер, Антон; Бэрд, Алиса; Шуллер, Бьорн (2017). SEILS деректер жиынтығы: есептеу музыкологиясының заманауи белгілері бойынша символдық түрде кодталған ұпайлар (PDF). Музыкалық ақпаратты іздеу жөніндегі 18-ші Халықаралық қоғам. Сучжоу, Қытай. 575–581 бет.
  38. ^ Пача, Александр; Эйденбергер, Хорст (2017). Әмбебап музыка символы классификаторына қарай. Құжаттарды талдау және тану бойынша 14-ші халықаралық конференция. Киото, Жапония. 35-36 бет. дои:10.1109 / ICDAR.2017.265.
  39. ^ Aruspix
  40. ^ Audiveris
  41. ^ КАНТОР
  42. ^ Гамера
  43. ^ Кюаснон, Бертран (2001). DMOS: жалпы құжатты тану әдісі, автоматты генераторға музыкалық партияларды қолдану, математикалық формулалар мен кестелік құрылымдарды тану жүйелері. Құжаттарды талдау және тану жөніндегі алтыншы халықаралық конференция. 215–220 бб. дои:10.1109 / ICDAR.2001.953786.
  44. ^ OpenOMR
  45. ^ Родан
  46. ^ Капелла-сканерлеу дәлдігі туралы ақпарат
  47. ^ а б PhotoScore Ultimate 7
  48. ^ PlayScore Pro
  49. ^ iSeeNotes
  50. ^ NotateMe Now
  51. ^ MusicPal
  52. ^ Музыкалық сканер
  53. ^ PlayScore 2
  54. ^ Notation Scanner - Музыкалық OCR
  55. ^ Komp жасау
  56. ^ «Noten scannen mit capella-scan - capella-бағдарламалық жасақтама AG». www.capella-software.com. Алынған 2019-11-24.
  57. ^ FORTE Scan Light Мұрағатталды 2013-09-22 сағ Wayback Machine
  58. ^ Сканерлеу нәтижесі
  59. ^ MIDI-қосылымдар SCAN 2.0 Мұрағатталды 2013-12-20 Wayback Machine
  60. ^ Music Publisher Scanning Edition Мұрағатталды 2013-04-13 Wayback Machine
  61. ^ Ескертпе
  62. ^ OMeR
  63. ^ PDFtoMusic
  64. ^ PlayScore
  65. ^ ScorScan
  66. ^ SharpEye
  67. ^ VivaldiScan Мұрағатталды 2005-12-24 ж Wayback Machine
  68. ^ SmartScore Мұрағатталды 2012-04-17 сағ Wayback Machine
  69. ^ «Sheet Music Scanner | SCANSCORE Sheet Music Scan бағдарламалық жасақтамасы». СКАНСОР. Алынған 2019-11-24.
  70. ^ «FORTE 11 Premium». Forte Notation. Алынған 2019-12-19.

Сыртқы сілтемелер

Қатысты медиа Оптикалық музыканы тану Wikimedia Commons сайтында