基于深度学习的哼唱音频乐谱识别技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 哼唱识别的研究现状 | 第11-12页 |
| 1.2.2 深度学习的发展和研究现状 | 第12-14页 |
| 1.3 研究内容和技术路线 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 技术路线 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第2章 深度学习理论基础及其资源 | 第18-34页 |
| 2.1 神经网络基本结构 | 第18-20页 |
| 2.1.1 神经元 | 第18页 |
| 2.1.2 激活函数 | 第18-19页 |
| 2.1.3 典型结构 | 第19-20页 |
| 2.2 神经网络训练 | 第20-23页 |
| 2.2.1 损失函数 | 第20-21页 |
| 2.2.2 目标函数优化算法 | 第21页 |
| 2.2.3 反向传播算法 | 第21-22页 |
| 2.2.4 梯度消失和梯度爆炸 | 第22-23页 |
| 2.3 卷积神经网络 | 第23-25页 |
| 2.3.1 基本结构 | 第23-24页 |
| 2.3.2 卷积层 | 第24页 |
| 2.3.3 池化层 | 第24-25页 |
| 2.4 循环神经网络 | 第25-28页 |
| 2.4.1 基本结构 | 第25-26页 |
| 2.4.2 训练过程 | 第26-27页 |
| 2.4.3 长短期记忆网络 | 第27-28页 |
| 2.5 深度学习平台与工具 | 第28-33页 |
| 2.5.1 TensorFlow | 第28-29页 |
| 2.5.2 Caffe | 第29-30页 |
| 2.5.3 Theano | 第30-31页 |
| 2.5.4 Keras | 第31-32页 |
| 2.5.5 scikit-learn | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 深度学习与音频分析 | 第34-41页 |
| 3.1 哼唱信号处理流程 | 第34-35页 |
| 3.2 采样和量化 | 第35-36页 |
| 3.3 哼唱信号预处理 | 第36-38页 |
| 3.3.1 滤波处理 | 第36页 |
| 3.3.2 预加重处理 | 第36页 |
| 3.3.3 加窗分帧 | 第36-38页 |
| 3.4 音符起始点检测 | 第38页 |
| 3.5 哼唱信号特征表示 | 第38-40页 |
| 3.5.1 线性预测倒谱系数 | 第39页 |
| 3.5.2 梅尔频率倒谱系数 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 哼唱识别深度学习框架与设计 | 第41-47页 |
| 4.1 框架总体架构 | 第41-42页 |
| 4.2 哼唱识别神经网络模型 | 第42-43页 |
| 4.3 网络核心组件 | 第43-46页 |
| 4.3.1 多层卷积 | 第43-44页 |
| 4.3.2 批量归一化 | 第44页 |
| 4.3.3 线性整流函数 | 第44-45页 |
| 4.3.4 门控循环单元 | 第45-46页 |
| 4.3.5 全连接层 | 第46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 原型系统开发及实验结果 | 第47-57页 |
| 5.1 哼唱音频乐谱识别原型系统 | 第47-49页 |
| 5.1.1 系统设计与实现 | 第47-48页 |
| 5.1.2 系统运行示例 | 第48-49页 |
| 5.2 实验设置 | 第49-50页 |
| 5.2.1 实验环境 | 第49页 |
| 5.2.2 实验数据集 | 第49-50页 |
| 5.2.3 性能评估指标 | 第50页 |
| 5.3 训练神经网络 | 第50-53页 |
| 5.3.1 防止过拟合 | 第50-52页 |
| 5.3.2 超参数优化 | 第52-53页 |
| 5.4 哼唱识别神经网络性能分析 | 第53-55页 |
| 5.5 本章小结 | 第55-57页 |
| 第6章 总结与展望 | 第57-60页 |
| 6.1 本文主要研究工作及创新点 | 第57-58页 |
| 6.1.1 研究工作总结 | 第57-58页 |
| 6.1.2 创新点 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
