Camera-Based Optical Music Recognition Using a Convolutional Neural Network

Blanes, Adrià Rico; Bisquerra, Alicia Fornés

doi:10.1109/icdar.2017.261

Cited by 5 publications

(1 citation statement)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Peneliti sebelumnya yang telah melakukan penelitian klasifikasi pada citra dengan menggunakan metode CNN memiliki akurasi yang cukup baik. CNN pada kasus tulisan aksara sunda memiliki akurasi sebesar 62% [3], pada kasus klasifikasi citra tomat memiliki akurasi sebesar 90% [4], pada kasus klasifikasi citra wayang golek memiliki akurasi sebesar 90% [5] dan pada kasus pengenalan notasi musik dengan arsitektur 2 convolution dan pooling mendapatkan hasil yang konsisten untuk not eighteenth dan sixteenth tetapi masih tidak konsisten untuk not quarter dan half [6] serta kasus yang sama dengan menggunakan arsitektur ResNet-v2 mendapatkan akurasi sebesar 98% [7]. Berdasarkan latar belakang di atas, dalam penelitian ini akan dilakukan klasifikasi notasi musik dengan menerapkan model arsitektur CNN yang telah disesuaikan untuk dapat mengukur nilai akurasi dari model tersebut.…”

Section: Pendahuluanunclassified

Convolutional Neural Network untuk Pengenalan Citra Notasi Musik

Hakim

Rainarli

2019

View full text Add to dashboard Cite

Optical Music Recognition (OMR) adalah suatu cara untuk melakukan pengenalan pada notasi musik secara otomatis. Masalah utama dalam pendeteksian notasi musik adalah bagaimana sistem dapat mendeteksi sebuah notasi musik dan kemudian mengenali notasi musik tersebut. Notasi musik yang telah dikenali oleh mesin dapat dimanfaatkan untuk diproses kembali menjadi suara. Pada penelitian ini, proses segmentasi dilakukan untuk memotong setiap notasi. Untuk pengenalan notasi musik digunakan Convolutional Neural Network (CNN). Arsitektur CNN yang dipakai adalah kernel 3x3, jumlah layer pada feature learning sebanyak 3 convolutional layer dan 3 pooling layer, filter pada convolutional layer 64,128, 256 dan jumlah neuron pada hidden layer sebanyak 7168. Pengujian dilakukan dengan dua cara, yang pertama menguji performasi CNN menggunakan data notasi musik yang telah dipotong dan yang kedua adalah melakukan pengujian menggunakan sebaris notasi musik. Nilai akurasi yang didapatkan untuk pengenalan sebaris notasi musik tidak terlalu besar, yaitu 26,19%. Walaupun untuk proses segmentasi masih belum maksimal dalam memotong setiap notasi, namun metode CNN bekerja sangat baik untuk mengenali setiap notasi musik yang telah dipotong dengan benar. Hal ini ditunjukkan dari nilai akurasi yang mencapai 95,56%.

show abstract

Section: Pendahuluanunclassified