在中世纪音乐手稿中实验主动学习与顺序学习
计算机视觉与模式识别
2025-07-22 v1
摘要
光学音乐识别（OMR）是文化遗产数字化中的关键技术，但受限于注释数据稀缺和历史手稿复杂性。本文提出针对古老中世纪音乐手稿中对象检测与布局识别的主动学习（AL）与顺序学习（SL）的初步研究。基于 YOLOv8，系统选取预测置信度最低（不确定性最高）的样本进行迭代标注与 retraining。该方法从单张标注图像开始，成功在显著减少人工标注的同时提升性能。实验表明，仅用极少数标注样本即可达到接近全监督训练的准确率。我们在 Anonymous 项目提供的新型数据集上进行测试，该项目研究12-16世纪意大利流传的诗歌音乐体裁laude。结果表明，在当前手稿中，基于不确定性的 AL 方法并不有效，提示在数据稀缺场景下需采用更实用的策略。
引用
@article{arxiv.2507.15633,
title = {Experimenting active and sequential learning in a medieval music manuscript},
author = {Sachin Sharma and Federico Simonetta and Michele Flammini},
journal= {arXiv preprint arXiv:2507.15633},
year = {2025}
}
备注
6 pages, 4 figures, accepted at IEEE MLSP 2025 (IEEE International Workshop on Machine Learning for Signal Processing). Special Session: Applications of AI in Cultural and Artistic Heritage