探寻手写光学音乐识别数据集：引入MUSCIMA++
计算机视觉与模式识别
2017-03-16 v1
摘要
光学音乐识别(OMR)长期缺乏用于评估OMR系统的充分数据集与真值，这已成为该领域建立技术现状的一大问题。此外，机器学习方法需要训练数据。我们分析了OMR处理流水线如何以渐趋复杂的真值表达，并基于此分析设计了面向音乐符号识别与记谱重建的手写音乐记谱MUSCIMA++数据集。MUSCIMA++数据集0.9版本包含140页手写音乐，具有91255个手动标注的记谱符号与82261个显式标记的符号对间关系。该数据集允许单独或联合地训练和评估用于符号分类、符号定位与记谱图组装的模型。提供了开源工具用于操作数据集、可视化数据与进一步标注，且数据集本身以开放许可发布。
引用
@article{arxiv.1703.04824,
title = {In Search of a Dataset for Handwritten Optical Music Recognition: Introducing MUSCIMA++},
author = {Jan Hajič and Pavel Pecina},
journal= {arXiv preprint arXiv:1703.04824},
year = {2017}
}