光学乐谱识别：最新进展与主要挑战
计算机视觉与模式识别
2020-06-23 v2 机器学习
图像与视频处理
摘要
光学乐谱识别（OMR）旨在将乐谱转录为机器可读的格式。转录后的副本应允许音乐家通过拍摄乐谱照片来作曲、演奏和编辑音乐。乐谱的完整转录也将实现更高效的存档。OMR 有助于对乐谱进行统计检查或搜索记谱模式，从而也支持数字音乐学中的用例。近年来，OMR 已从使用传统的计算机视觉技术转向深度学习方法。在本文中，我们回顾了 OMR 的相关工作，包括基本方法和重要成果，并重点介绍了 OMR 流程的不同阶段。这些阶段通常缺乏标准的输入和输出表示以及标准化的评估。因此，比较不同方法并评估不同处理方法的影响可能变得相当复杂。本文为未来的工作提供了建议，旨在解决一些突出的问题，并代表了推动这一重要研究领域发展的立场。
引用
@article{arxiv.2006.07885,
title = {Optical Music Recognition: State of the Art and Major Challenges},
author = {Elona Shatri and György Fazekas},
journal= {arXiv preprint arXiv:2006.07885},
year = {2020}
}
备注
Author manuscript for TENOR 2020 conference. 11 pages with references, 3 figures