VisionScores——面向深度学习任务的系统分段图像评分数据集

VisionScores 提出了首个系统分段图像评分数据集，旨在为机器学习和深度学习任务提供结构丰富、信息密度高的图像。其局限于两手钢琴作品，既考虑特定的图形相似性，也考虑作品构图模式，因为这一创作过程高度依赖乐器。数据集提供两种情形：一种由14000个样本构成，涉及不同作者但相同作品类型（即小品曲）；另一种由10800个样本构成，涉及同一作者（选定为弗朗茨·李斯茨）的不同作品类型。所有24800个样本均以灰度 JPG 图像格式呈现，尺寸为 $128 \times 512$ 像素。VisionScores 不仅提供格式化的样本，还提供系统排序和作品元数据。此外，还包含未分段的整页乐谱及预格式化图像，以供进一步分析。