Identificação de acordes de violão utilizando machine learning
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFFS (Repositório Digital da UFFS) |
Texto Completo: | https://rd.uffs.edu.br/handle/prefix/5763 |
Resumo: | A transcrição musical é o ato de anotar um som ou uma peça gerado por um instrumento que não tenha sido anotada anteriormente. Trata-se de um trabalho manual que necessita de um conhecimento em teoria musical. A tarefa de anotação dos acordes faz parte da transcrição musical. Esta tarefa pode ser feita utilizando aprendizado de máquina. Estudos para criação de ferramentas de anotações de acordes de forma automática utilizando aprendizado de máquina têm mantido o foco na tarefa de classificação e pós-processamento. Recentemente, trabalhos relacionados à área mostraram que o foco no pré-processamento, com algoritmos que tornam os exemplos do dataset mais descritivos sobre o acorde, pode trazer resultados melhores. O trabalho mostra a criação de um dataset utilizando um método eficaz na extração de features dos áudios gravados de 41 acordes. Após construção do dataset, foram testados modelos baseados em regressão logística, redes neurais e florestas aleatórias. Entre todos os modelos testados, a floresta aleatória obteve os melhores resultados, aliado a um algoritmo de extração de features que utiliza a técnica Constant-Q transform. A média de precisão do modelo chegou a 99%. |
id |
UFFS_6ff67f9316b672c026b0a44c4cd64c10 |
---|---|
oai_identifier_str |
oai:rd.uffs.edu.br:prefix/5763 |
network_acronym_str |
UFFS |
network_name_str |
Repositório Institucional da UFFS (Repositório Digital da UFFS) |
repository_id_str |
3924 |
spelling |
Duarte, DenioDal Bianco, GuilhermeSchreiner, Geomar AndréCosta, Rodrigo Almeida2021-10-182022-07-21T13:40:25Z2020-07-202022-07-21T13:40:25Z2021-10-18https://rd.uffs.edu.br/handle/prefix/5763A transcrição musical é o ato de anotar um som ou uma peça gerado por um instrumento que não tenha sido anotada anteriormente. Trata-se de um trabalho manual que necessita de um conhecimento em teoria musical. A tarefa de anotação dos acordes faz parte da transcrição musical. Esta tarefa pode ser feita utilizando aprendizado de máquina. Estudos para criação de ferramentas de anotações de acordes de forma automática utilizando aprendizado de máquina têm mantido o foco na tarefa de classificação e pós-processamento. Recentemente, trabalhos relacionados à área mostraram que o foco no pré-processamento, com algoritmos que tornam os exemplos do dataset mais descritivos sobre o acorde, pode trazer resultados melhores. O trabalho mostra a criação de um dataset utilizando um método eficaz na extração de features dos áudios gravados de 41 acordes. Após construção do dataset, foram testados modelos baseados em regressão logística, redes neurais e florestas aleatórias. Entre todos os modelos testados, a floresta aleatória obteve os melhores resultados, aliado a um algoritmo de extração de features que utiliza a técnica Constant-Q transform. A média de precisão do modelo chegou a 99%.Music transcription is the act of annotating a sound or piece generated by an instrument that has not been previously annotated. It is a manual work that requires knowledge in music theory. Chord annotation task is part of musical transcription. This task can be done using machine learning. Studies to create automatic chord annotation tools using machine learning have focused on the task of classification and post-processing. Recently, it has been shown that focusing on pre-processing, with algorithms that make dataset examples more descriptive about the chord, can yield better results. The work shows the creation of a dataset using an efficient method for extracting features from 41-chord recorded audio. After construction of the dataset, models based on logistic regression, neural networks and random forests were tested. Among all the models tested, the random forest obtained the best results, combined with a feature extraction algorithm that uses the Constant-Q transform technique. The model’s average accuracy reached 99%.Submitted by Rafael Pinheiro de Almeida (rafael.almeida@uffs.edu.br) on 2022-07-20T16:56:08Z No. of bitstreams: 1 COSTA.pdf: 1907637 bytes, checksum: 87a403759c70d017a28adeb6a757b4d0 (MD5)Approved for entry into archive by Franciele Scaglioni da Cruz (franciele.cruz@uffs.edu.br) on 2022-07-21T13:40:25Z (GMT) No. of bitstreams: 1 COSTA.pdf: 1907637 bytes, checksum: 87a403759c70d017a28adeb6a757b4d0 (MD5)Made available in DSpace on 2022-07-21T13:40:25Z (GMT). No. of bitstreams: 1 COSTA.pdf: 1907637 bytes, checksum: 87a403759c70d017a28adeb6a757b4d0 (MD5) Previous issue date: 2021-10-18porUniversidade Federal da Fronteira SulUFFSBrasilCampus ChapecóMúsicaEnsino e aprendizagemViolãoTeoria musicalIdentificação de acordes de violão utilizando machine learninginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFFS (Repositório Digital da UFFS)instname:Universidade Federal Fronteira do Sul (UFFS)instacron:UFFSLICENSElicense.txtlicense.txttext/plain; charset=utf-81866https://rd.uffs.edu.br:8443/bitstream/prefix/5763/2/license.txt43cd690d6a359e86c1fe3d5b7cba0c9bMD52ORIGINALCOSTA.pdfCOSTA.pdfapplication/pdf1907637https://rd.uffs.edu.br:8443/bitstream/prefix/5763/1/COSTA.pdf87a403759c70d017a28adeb6a757b4d0MD51prefix/57632022-07-21 10:40:25.215oai:rd.uffs.edu.br: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ório InstitucionalPUBhttps://rd.uffs.edu.br/oai/requestopendoar:39242022-07-21T13:40:25Repositório Institucional da UFFS (Repositório Digital da UFFS) - Universidade Federal Fronteira do Sul (UFFS)false |
dc.title.pt_BR.fl_str_mv |
Identificação de acordes de violão utilizando machine learning |
title |
Identificação de acordes de violão utilizando machine learning |
spellingShingle |
Identificação de acordes de violão utilizando machine learning Costa, Rodrigo Almeida Música Ensino e aprendizagem Violão Teoria musical |
title_short |
Identificação de acordes de violão utilizando machine learning |
title_full |
Identificação de acordes de violão utilizando machine learning |
title_fullStr |
Identificação de acordes de violão utilizando machine learning |
title_full_unstemmed |
Identificação de acordes de violão utilizando machine learning |
title_sort |
Identificação de acordes de violão utilizando machine learning |
author |
Costa, Rodrigo Almeida |
author_facet |
Costa, Rodrigo Almeida |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Duarte, Denio |
dc.contributor.referee1.fl_str_mv |
Dal Bianco, Guilherme |
dc.contributor.referee2.fl_str_mv |
Schreiner, Geomar André |
dc.contributor.author.fl_str_mv |
Costa, Rodrigo Almeida |
contributor_str_mv |
Duarte, Denio Dal Bianco, Guilherme Schreiner, Geomar André |
dc.subject.por.fl_str_mv |
Música Ensino e aprendizagem Violão Teoria musical |
topic |
Música Ensino e aprendizagem Violão Teoria musical |
description |
A transcrição musical é o ato de anotar um som ou uma peça gerado por um instrumento que não tenha sido anotada anteriormente. Trata-se de um trabalho manual que necessita de um conhecimento em teoria musical. A tarefa de anotação dos acordes faz parte da transcrição musical. Esta tarefa pode ser feita utilizando aprendizado de máquina. Estudos para criação de ferramentas de anotações de acordes de forma automática utilizando aprendizado de máquina têm mantido o foco na tarefa de classificação e pós-processamento. Recentemente, trabalhos relacionados à área mostraram que o foco no pré-processamento, com algoritmos que tornam os exemplos do dataset mais descritivos sobre o acorde, pode trazer resultados melhores. O trabalho mostra a criação de um dataset utilizando um método eficaz na extração de features dos áudios gravados de 41 acordes. Após construção do dataset, foram testados modelos baseados em regressão logística, redes neurais e florestas aleatórias. Entre todos os modelos testados, a floresta aleatória obteve os melhores resultados, aliado a um algoritmo de extração de features que utiliza a técnica Constant-Q transform. A média de precisão do modelo chegou a 99%. |
publishDate |
2020 |
dc.date.available.fl_str_mv |
2020-07-20 2022-07-21T13:40:25Z |
dc.date.none.fl_str_mv |
2021-10-18 |
dc.date.issued.fl_str_mv |
2021-10-18 |
dc.date.accessioned.fl_str_mv |
2022-07-21T13:40:25Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://rd.uffs.edu.br/handle/prefix/5763 |
url |
https://rd.uffs.edu.br/handle/prefix/5763 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal da Fronteira Sul |
dc.publisher.initials.fl_str_mv |
UFFS |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Campus Chapecó |
publisher.none.fl_str_mv |
Universidade Federal da Fronteira Sul |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFFS (Repositório Digital da UFFS) instname:Universidade Federal Fronteira do Sul (UFFS) instacron:UFFS |
instname_str |
Universidade Federal Fronteira do Sul (UFFS) |
instacron_str |
UFFS |
institution |
UFFS |
reponame_str |
Repositório Institucional da UFFS (Repositório Digital da UFFS) |
collection |
Repositório Institucional da UFFS (Repositório Digital da UFFS) |
bitstream.url.fl_str_mv |
https://rd.uffs.edu.br:8443/bitstream/prefix/5763/2/license.txt https://rd.uffs.edu.br:8443/bitstream/prefix/5763/1/COSTA.pdf |
bitstream.checksum.fl_str_mv |
43cd690d6a359e86c1fe3d5b7cba0c9b 87a403759c70d017a28adeb6a757b4d0 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFFS (Repositório Digital da UFFS) - Universidade Federal Fronteira do Sul (UFFS) |
repository.mail.fl_str_mv |
|
_version_ |
1809094625888043008 |