[发明专利]一种乐谱识别方法

权利要求书

1.一种乐谱识别方法，其特征在于：所述方法包括以下步骤：

S1.建立元信息、行、小节、音序数据集；

S2.建立YOLOV4目标检测网络；

所述S2包括以下步骤：

S21.设置网络输入规模并进行图像填充；

S22.设置骨干网络；

S23.设计建立YOLOV4目标检测网络的网络构架；

S24.引入CIOU损失函数；

S3.基于VGG16多标签分类构建时序音符识别网络；

所述S3包括以下步骤：

S31.提取音符时序特征，用以将时序转换为音符及其时值；

S32.将音符进行多标签分类；

S33.基于多标签分类对时序音符识别网络进行结构设计；

S34.设置时序音符识别网络的损失函数。

2.根据权利要求1所述的一种乐谱识别方法，其特征在于：S1中，主要包括：

采用labelimg进行数据标注；

在乐谱中标注元信息，并生成元信息数据集，所述元信息包括有：标题、作者、整体调号、拍速；

在乐谱中标注行，并生成行数据集；

在行中标注小节，并生成小节数据集；

在小节中标注音序，并生成音序数据集。

3.根据权利要求1所述的一种乐谱识别方法，其特征在于：S21中，主要包括:

网络输入规模图像尺寸为416*416；

对图像进行等比例缩放，再对图像进行水平填充；

所述等比例缩放的缩放因子rf的计算公式如下：

rf＝h/416

其中，h为竖直像素个数；

所述水平填充后的像素宽度w＇为：

w＇＝(rf-1)*w/2

其中，w为图像的水平像素个数。

4.根据权利要求1所述的一种乐谱识别方法，其特征在于：S22中，所述骨干网络为采用CSPDarknet53作为骨干网络；

且：

Darknet53中，每个残差结构块是由一次下采样和多次残差结构的叠加组成的；

CSP作出以下两点改动：

将激活函数LeakyReLu函数变为Mish激活函数；对残差结构块的结构基于原始结构进行拆分，其中主干部分继续进行原来的残差块堆叠；另一部分经处理后直接连接入最后。

5.根据权利要求1所述的一种乐谱识别方法，其特征在于：S23中，包括以下步骤：

设置YOLOV4目标检测网络的目标检测类别；

设置YOLOV4目标检测网络的特征层，所述特征层为三个，分别位于中间层、中下层、底层，三个所述特征层的形状分别是(76,76,256),(38,38,512),(19,19,1024)，分别对应了小目标、中等目标、大目标；

设置YOLOV4目标检测网络的特征层的输出层，所述输出层的尺寸分别为(19,19,72)，(38,38,72)，(76,76,72)。

6.根据权利要求1所述的一种乐谱识别方法，其特征在于：S24中，所述CIOU损失函数的公式如下：

CIoU＝IoU-ρ²(b，b^gt)/c²-αv；

其中，ρ²(b，b^gt)分别代表了预测框和真实框中心点的欧式距离；c代表的是能够同时包含预测框和真实框的最小区域的对角线距离；

其中，

α＝v/(1-IoU+v)；

最终计算在Loss中的Loss_CIoU为：

Loss_CIoU＝1-CIoU。

7.根据权利要求1所述的一种乐谱识别方法，其特征在于：S33中，主要包括：

使用CNN网络作为模型；

采用VGG16网络进行卷积提取信息；

对VGG16网络进行调整。