1 / 1

Reconhecimento e Busca Adaptativos de Padrões Musicais

12. 13. 14. ±C. ±D. ±E. ±D. ±E. ±F. A. ±B. ±C. ±D. ±E. ±F. 0. 1. 2. 3. 4. 5. 6. ?. ±C. ?. ±D. ?. ±E. ?. ±F. ?. ±B. 7. 8. 9. 10. 11. Reconhecimento e Busca Adaptativos de Padrões Musicais. MusicFinder. Introdução.

Download Presentation

Reconhecimento e Busca Adaptativos de Padrões Musicais

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 12 13 14 ±C ±D ±E ±D ±E ±F A ±B ±C ±D ±E ±F 0 1 2 3 4 5 6 ? ±C ? ±D ? ±E ? ±F ? ±B 7 8 9 10 11 Reconhecimento e Busca Adaptativos de Padrões Musicais MusicFinder Introdução O projeto MusicFinder é um protótipo para um sistema de busca musical. Porém, ao invés de buscas textuais comuns nas letras das músicas ou nos nomes de seus autores, o sistema permite ao usuário realizar uma busca musical. Neste modelo de busca, o usuário define uma seqüência (ou cadeia) de notas e o sistema as procura nas melodias que constituem as músicas de um grande acervo. fig. 3 e 4 – espectro de freqüências de um assobioe suas notas extraídas Busca Adaptativa O sistema varre o acervo em busca de cadeias de notas semelhantes à de entrada. Para ser capaz de tolerar certos tipos de imperfeições da cadeia de entrada, tais como omissão ou adição de uma nota, o sistema utiliza um algoritmo baseado em autômatos adaptativos. Este algoritmo adaptativo permite que o processo de comparação das cadeias se modifique estrategicamente a fim de compensar os defeitos da entrada e permitir uma comparação direta nota a nota. fig. 5 – exemplo de configuração do autômato de reconhecimento, processando a cadeia: A, B-1, A, C, E+1, F fig. 1 – arquitetura completa do sistema de busca musical Na comparação direta, faz-se necessário lidar com variações de altura (transposição tonal) e de duração (dilatação ou contração). Para isso foi utilizado o método dos mínimos quadrados para aproximar a função de mapeamento entre as características das cadeias comparadas, com funções que representam as variações toleradas. A partir da distância entre as funções aproximadas e as originais, épossível quantificar a semelhança entre as cadeias. Desafios • Os principais desafios do projeto são: • Extrair a cadeia de notas a partir de um trecho sonoro produzido pelo usuário. • Encontrar as músicas contendo trechos de melodias que mais se aproximam da cadeia de entrada, tolerando as variações e imperfeições usuais de uma reprodução humana. fig. 2 – uso típico do sistema Extração de Notas fig. 6 – comparação numérica de alturas, nota a nota Uma maneira conveniente de entrar com a cadeia de notas a ser procurada é a partir da reprodução sonora destas. O usuário pode cantar, assobiar ou mesmo tocar um instrumento. A amostra de áudio produzida passa por um processo de análise de freqüência, utilizando técnicas como a transformação de Fourier, de forma a obter as freqüências fundamentais de vibração (altura) de cada nota. Resultados A extração de notas foi capaz de obter as alturas e durações das notas de uma gravação de uma melodia assobiada. Foi possível identificar músicas através de cadeias de entrada contendo variações e imperfeições, graças à abordagem adaptativa. Professor Orientador: Integrantes: Pedro Rodrigues Nacione Pedruzzi, pedro.pedruzzi@gmail.com Ricardo André Redder Júnior, ricardo.redder@gmail.com Prof. Dr. João José Neto, jjneto@gmail.com

More Related