Text

Design and implementation of piano audio automatic music transcription algorithm based on convolutional neural network

---

This paper presents the design and implementation of an automatic music transcription algorithm for piano audio, utilizing an optimized convolutional neural network with optimal parameters. In this study, we adopt the cepstral coefficient derived from cochlear filters, a method commonly used in speech signal processing, for extracting features from transformed musical audio. Conventional convolutional neural networks often rely on a universally shared convolutional kernel when processing piano audio, but this approach fails to account for the variations in information across different frequency bands. To address this, we select 24 Mel filters, each featuring a distinct center frequency ranging from 105 to 19,093 Hz, which aligns with the 44,100 Hz sampling rate of the converted music. This setup enables the system to effectively capture the key characteristics of piano audio signals across a wide frequency range, providing a solid frequency-domain foundation for the subsequent music transcription algorithms.

Makalah ini menyajikan desain dan implementasi algoritma transkripsi musik otomatis untuk audio piano, memanfaatkan jaringan saraf konvolusional yang dioptimalkan dengan parameter optimal. Dalam studi ini, kami mengadopsi koefisien cepstral yang berasal dari filter koklea, sebuah metode yang umum digunakan dalam pemrosesan sinyal suara, untuk mengekstraksi fitur dari audio musik yang ditransformasikan. Jaringan saraf konvolusional konvensional sering kali mengandalkan kernel konvolusional yang digunakan bersama secara universal saat memproses audio piano, tetapi pendekatan ini gagal memperhitungkan variasi informasi di berbagai pita frekuensi. Untuk mengatasi hal ini, kami memilih 24 filter Mel, masing-masing menampilkan frekuensi pusat yang berbeda mulai dari 105 hingga 19.093 Hz, yang selaras dengan laju pengambilan sampel 44.100 Hz dari musik yang dikonversi. Pengaturan ini memungkinkan sistem untuk secara efektif menangkap karakteristik utama sinyal audio piano di rentang frekuensi yang luas, memberikan fondasi domain frekuensi yang solid untuk algoritma transkripsi musik selanjutnya.

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

EURASIP Journal on Audio, Speech, and Music Processing

No. Panggil

-

Penerbit

: Springer Nature., 2025

Deskripsi Fisik

1-14

Bahasa

English

ISBN/ISSN

16874722

Klasifikasi

NONE

Tipe Isi

text

Tipe Media

computer

Tipe Pembawa

online resource

Edisi

26 (2025)

Subjek

Audio - Piano
Algoritma - Musik

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Mengshan Li

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar