基于深度卷积神经网络的钢琴弹奏音乐错误识别方法
公开
摘要
本发明公开了一种基于深度卷积神经网络的钢琴弹奏音乐错误识别方法，包括：创建网络训练数据集；构建深度卷积神经网络模型，并进行迭代训练；拆分并保存训练好的深度卷积神经网络模型与权重；录音并进行音频分割，生成声谱图作为深度卷积神经网络模型的输入，获取分类识别结果；读取midi文件中的音高信息作为检测标准与识别结果进行对比，显示对比结果。本发明设计的轻量型深度神经网络模型，能够在安卓系统运行本地，避免了应用客户端与服务端的数据传输，识别准确率高、响应快。
基本信息
专利标题 ：
基于深度卷积神经网络的钢琴弹奏音乐错误识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114627894A
申请号 ：
CN202210214141.8
公开（公告）日 ：
2022-06-14
申请日 ：
2022-03-04
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
巢李冰杨志国郭玲
申请人 ：
南京理工大学
申请人地址 ：
江苏省南京市孝陵卫200号
代理机构 ：
南京理工大学专利中心
代理人 ：
段宇轩
优先权 ：
CN202210214141.8
主分类号 ：
G10L25/51
IPC分类号 ：
G10L25/51 G06N3/04 G06N3/08 G10L25/18 G10L25/30 G10L25/45
IPC结构图谱
G
G部——物理
G10
乐器；声学
G10L
语音分析或合成；语音识别；语音或声音处理；语音或音频编码或解码
G10L25/00
不限于组G10L 15/00-G10L 21/00的语言或者声音分析技术
G10L25/48
专门适用于特定用途
G10L25/51
比较或判别
法律状态
2022-06-14 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
