Please use this identifier to cite or link to this item:
https://rd.uffs.edu.br/handle/prefix/5763
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor1 | Duarte, Denio | - |
dc.contributor.referee1 | Dal Bianco, Guilherme | - |
dc.contributor.referee2 | Schreiner, Geomar André | - |
dc.creator | Costa, Rodrigo Almeida | - |
dc.date | 2021-10-18 | - |
dc.date.accessioned | 2022-07-21T13:40:25Z | - |
dc.date.available | 2020-07-20 | - |
dc.date.available | 2022-07-21T13:40:25Z | - |
dc.date.issued | 2021-10-18 | - |
dc.identifier.uri | https://rd.uffs.edu.br/handle/prefix/5763 | - |
dc.description.abstract | Music transcription is the act of annotating a sound or piece generated by an instrument that has not been previously annotated. It is a manual work that requires knowledge in music theory. Chord annotation task is part of musical transcription. This task can be done using machine learning. Studies to create automatic chord annotation tools using machine learning have focused on the task of classification and post-processing. Recently, it has been shown that focusing on pre-processing, with algorithms that make dataset examples more descriptive about the chord, can yield better results. The work shows the creation of a dataset using an efficient method for extracting features from 41-chord recorded audio. After construction of the dataset, models based on logistic regression, neural networks and random forests were tested. Among all the models tested, the random forest obtained the best results, combined with a feature extraction algorithm that uses the Constant-Q transform technique. The model’s average accuracy reached 99%. | pt_BR |
dc.description.resumo | A transcrição musical é o ato de anotar um som ou uma peça gerado por um instrumento que não tenha sido anotada anteriormente. Trata-se de um trabalho manual que necessita de um conhecimento em teoria musical. A tarefa de anotação dos acordes faz parte da transcrição musical. Esta tarefa pode ser feita utilizando aprendizado de máquina. Estudos para criação de ferramentas de anotações de acordes de forma automática utilizando aprendizado de máquina têm mantido o foco na tarefa de classificação e pós-processamento. Recentemente, trabalhos relacionados à área mostraram que o foco no pré-processamento, com algoritmos que tornam os exemplos do dataset mais descritivos sobre o acorde, pode trazer resultados melhores. O trabalho mostra a criação de um dataset utilizando um método eficaz na extração de features dos áudios gravados de 41 acordes. Após construção do dataset, foram testados modelos baseados em regressão logística, redes neurais e florestas aleatórias. Entre todos os modelos testados, a floresta aleatória obteve os melhores resultados, aliado a um algoritmo de extração de features que utiliza a técnica Constant-Q transform. A média de precisão do modelo chegou a 99%. | pt_BR |
dc.description.provenance | Submitted by Rafael Pinheiro de Almeida (rafael.almeida@uffs.edu.br) on 2022-07-20T16:56:08Z No. of bitstreams: 1 COSTA.pdf: 1907637 bytes, checksum: 87a403759c70d017a28adeb6a757b4d0 (MD5) | en |
dc.description.provenance | Approved for entry into archive by Franciele Scaglioni da Cruz (franciele.cruz@uffs.edu.br) on 2022-07-21T13:40:25Z (GMT) No. of bitstreams: 1 COSTA.pdf: 1907637 bytes, checksum: 87a403759c70d017a28adeb6a757b4d0 (MD5) | en |
dc.description.provenance | Made available in DSpace on 2022-07-21T13:40:25Z (GMT). No. of bitstreams: 1 COSTA.pdf: 1907637 bytes, checksum: 87a403759c70d017a28adeb6a757b4d0 (MD5) Previous issue date: 2021-10-18 | en |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal da Fronteira Sul | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Campus Chapecó | pt_BR |
dc.publisher.initials | UFFS | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Música | pt_BR |
dc.subject | Ensino e aprendizagem | pt_BR |
dc.subject | Violão | pt_BR |
dc.subject | Teoria musical | pt_BR |
dc.title | Identificação de acordes de violão utilizando machine learning | pt_BR |
dc.type | Monografia | pt_BR |
Appears in Collections: | Ciência da Computação |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.