利用卷积网络与边界框回归检测手写乐谱中的符头
计算机视觉与模式识别
2017-08-08 v1
摘要
符头是书面乐谱与音乐之间的接口。页面上的每个符头表示一个要演奏的音符，因此检测符头是光学音乐识别不可避免的一步。符头是明显不同的对象，然而，音乐记谱手写体的多样性使得符头更难识别，并且虽然手写音乐符号的{\em 分类}是一个研究充分的任务，但符号{\em 检测}通常仅限于启发式方法和基于规则的系统，而非更适合处理手写体中不确定性的机器学习方法。我们介绍了使用卷积神经网络进行像素分类和边界框回归的简单符头检测器的持续工作，该检测器在MUSCIMA++数据集的二值乐谱图像上实现了0.97的检测f-score，无需谱表移除，并且适用于多种手写风格和音乐复杂程度。
引用
@article{arxiv.1708.01806,
title = {Detecting Noteheads in Handwritten Scores with ConvNets and Bounding Box Regression},
author = {Jan Hajič and Pavel Pecina},
journal= {arXiv preprint arXiv:1708.01806},
year = {2017}
}