Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/41107
ORCID:  http://orcid.org/0009-0008-8972-2187
Document type: Trabalho de Conclusão de Curso
Access type: Acesso Aberto
Title: Aplicação de redes neurais artificiais para o reconhecimento de elementos de partituras musicais
Alternate title (s): Application of artificial neural networks for the recognition of musical score elements
Author: Moreira, Eliseu Elias Cândido
First Advisor: Carbonaro, Karine Barbosa
First coorientator: Ferreira, Daniel de Oliveira
First member of the Committee: Santos, Renan Alves dos
Second member of the Committee: Silva, Rafael Augusto da
Summary: A importância da música para humanidade é notória, uma vez que influencia diversos aspectos das sociedades há séculos. Além do valor cultural, pode contribuir no desenvolvimento cognitivo e está relacionada a um mercado de grande importância financeira. No entanto, a diversidade, o volume e a complexidade dos registros musicais tornam a manutenção e manipulação de partituras um desafio. Para digitalizá-las, processos manuais podem consumir tempo e estar sujeitos a erros. Assim, a utilização de métodos de reconhecimento automático de partituras é um objetivo pertinente. Neste contexto, o presente trabalho explora a aplicação de redes neurais na classificação de elementos de partituras musicais. Para executar tal tarefa são utilizadas redes perceptron multicamadas (MLP) e redes neurais convolucionais (CNN). Diversas configurações foram testadas para avaliar a influência de parâmetros como o número de amostras por batch, número de épocas de treinamento, dimensões do kernel, bem como número de camadas, sejam convolucionais, densas, de dropout ou de normalização. Nesse estudo, obteve-se com a melhor rede para classificação de figuras, uma acurácia de 90,8% para o conjunto de teste. Já para a classificação de notas, a melhor rede alcançou 85,2%. Em ambos os casos as melhores redes foram do tipo convolucional. Por outro lado, a rede MLP não teve desempenho eficaz. A correta classificação dos elementos de partituras lança as bases para a digitalização completa dessas representações musicais. Além disso, as redes neurais abordadas podem ser utilizadas em outras aplicações, como reconhecimento de padrões em imagens e sons, ou problemas de otimização.
Abstract: The importance of music for humanity is notorious, as it has influenced different aspects of societies for centuries. In addition to its cultural value, it can contribute to cognitive development and is related to a market of great financial importance. However, the diversity, volume and complexity of musical records make maintaining and manipulating sheet music a challenge. To digitize them, manual processes can be time-consuming and prone to errors. Therefore, the use of automatic sheet music recognition methods is a pertinent objective. In this context, the present work aims to explore the application of neural networks in classifying elements of musical scores. To perform this task, multilayer perceptron networks and convolutional neural networks are used. Several configurations are tested to evaluate the influence of the parameters. Several configurations were tested to assess the influence of parameters such as the number of samples per batch, number of training epochs, kernel dimensions, and number of layers, considering convolutional, dense, dropout, and normalization layers. In this study, it was achieved with the best network for figure classification, an accuracy of 90.8% for the test set. Whereas for note classification, the top-performing network reached 85.2%. In both cases, the best-performing networks were convolutional. On the other hand, the MLP network did not exhibit effective performance. The correct classification of sheet music elements lays the foundation for the complete digitization of these musical representations. Furthermore, the neural networks discussed can be used in other applications, such as pattern recognition in images and sounds, or optimization problems.
Keywords: Deep learning
Rede neural convolucional
Convolutional neural network
Perceptron multicamada
Multilayer perceptron
Música
Music
Partitura
Sheet music
Inteligência artificial
Artificial intelligence
Redes neurais
Neural networks
Area (s) of CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::CIRCUITOS ELETRICOS, MAGNETICOS E ELETRONICOS
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Quote: MOREIRA, Eliseu Elias Cândido. Aplicação de redes neurais artificiais para o reconhecimento de elementos de partituras musicais. 2024. 60 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Eletrônica e de Telecomunicações) – Universidade Federal de Uberlândia, Patos de Minas, 2024.
URI: https://repositorio.ufu.br/handle/123456789/41107
Date of defense: 29-Jan-2024
Appears in Collections:TCC - Engenharia Eletrônica e de Telecomunicações (Patos de Minas)

Files in This Item:
File Description SizeFormat 
AplicaçãoRedesNeurais.pdf1.82 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons