Automatic music transcription

Basit Öğe Kaydı
dc.contributor.advisorSolak, Ercanen_US
dc.contributor.authorPaşmakoğlu, Berk Ekimen_US
dc.contributor.otherIşık Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Yüksek Lisans Programıen_US
dc.date.accessioned2016-06-09T06:16:09Z
dc.date.available2016-06-09T06:16:09Z
dc.date.issued2010
dc.departmentIşık Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Yüksek Lisans Programıen_US
dc.descriptionText in English ; Abstract: English and Turkishen_US
dc.descriptionIncludes bibliographical references (leaves 97-99)en_US
dc.descriptionxvii, 105 leavesen_US
dc.description.abstractComputational music research is spread out of the world in many fields. One of these fields is automatic music transcription. During this thesis, we concentrated on the detection of music notes inside an audio signal. We decided to work on a percussive instrument i.e. piano because percussive onset can be relatively more easier to detect than other types of onset. We benefitted from the signal processing techniques like FFT, low-pass filtering and the statistical methods like Hinkley's CUSUM algorithm and linear regression. We proposed a transcription algorithm applied to a synthetically created audio data which was formed by the notes of middle octave and first five note value types. The algorithm transcribes the music scores with an average accuracy of 96,7 using the tuned parameters.en_US
dc.description.abstractBilişimsel müzik araştırması bir çok alanda dünyaya yayılmıştır. Bu alanlardan biri de özdevimli müzik çevriyazımıdır. Bu tez sırasında, bir ses iminin içerisindeki müzik notalarının algılanması üzerine yoğunlaştık. Bir vurmalı müzik aleti olan piano üzerine çalışmaya karar verdik çünkü vurmalı nota başlangıçlarının algılanılması diğer nota başlangıç tiplerine göre göreceli olarak daha kolaydır. Hızlı Fourier Dönüşüm'ü ve alçak geçirgen süzgeci gibi im isleme tekniklerinden ve Hinkley'in CUSUM algoritması ve dogrusal regresyon gibi sayımlama yöntemlerinden faydalandık. Orta oktav notalarından ve ilk beş nota değer türlerinden oluşan bireşimsel olarak yaratılmış bir ses verisine uygulanan bir algoritma teklif ettik. Algoritma müzik parçalarını ayarlanmış değiştirgeler kullanarak ortalama yüzde 96,7 bir doğrulukla yazılı biçime dönüştürmektedir.en_US
dc.description.tableofcontentsMusical Backgrounden_US
dc.description.tableofcontentsWhat is music?en_US
dc.description.tableofcontentsSounden_US
dc.description.tableofcontentsFrequency, Period and Amplitudeen_US
dc.description.tableofcontentsMusical Note and Pitchen_US
dc.description.tableofcontentsPitchen_US
dc.description.tableofcontentsMusical Noteen_US
dc.description.tableofcontentsNote Value Typesen_US
dc.description.tableofcontentsIntervalsen_US
dc.description.tableofcontentsScalesen_US
dc.description.tableofcontentsRhythm of the Musicen_US
dc.description.tableofcontentsTime Signatureen_US
dc.description.tableofcontentsTempoen_US
dc.description.tableofcontentsOrganization of Thesisen_US
dc.description.tableofcontentsComputer Music and MIDIen_US
dc.description.tableofcontentsMIDI File Formaten_US
dc.description.tableofcontentsHeader Chunken_US
dc.description.tableofcontentsTrack Chunken_US
dc.description.tableofcontentsVariable Length Reading and Writingen_US
dc.description.tableofcontentsVariable Length Writingen_US
dc.description.tableofcontentsVariable Length Readingen_US
dc.description.tableofcontentsThe Events in MIDIen_US
dc.description.tableofcontentsThe Track Chunk MIDI Eventsen_US
dc.description.tableofcontentsThe Meta Eventsen_US
dc.description.tableofcontentsAutomatic Music Transcriptionen_US
dc.description.tableofcontentsGetting Input Wave Fileen_US
dc.description.tableofcontentsSignal Information Retrievalen_US
dc.description.tableofcontentsGetting ‘Times’en_US
dc.description.tableofcontentsGetting ‘Notes’ and ‘Octaves’en_US
dc.description.tableofcontentsMaking Single Channel Signalen_US
dc.description.tableofcontentsConstruction of Amplitude Envelope of Signalen_US
dc.description.tableofcontentsSmoothing the Envelope Shapeen_US
dc.description.tableofcontentsSlope Detectoren_US
dc.description.tableofcontentsThe Model 'Rise-Time'en_US
dc.description.tableofcontentsProgressing the Modelen_US
dc.description.tableofcontentsCUSUM Algorithmen_US
dc.description.tableofcontentsNote Segmentationen_US
dc.description.tableofcontentsSpurious Attack Eliminationen_US
dc.description.tableofcontentsPitch Detection between Successive Note Onsetsen_US
dc.description.tableofcontentsNote Durations Calculationen_US
dc.description.tableofcontentsNote Value Types Detectionen_US
dc.description.tableofcontentsNote Labels Assignmenten_US
dc.description.tableofcontentsProposed Transcription Algorithmen_US
dc.description.tableofcontentsResultsen_US
dc.description.tableofcontentsDataen_US
dc.description.tableofcontentsEnvelopeen_US
dc.description.tableofcontentsSmoothingen_US
dc.description.tableofcontentsSlope Detectionen_US
dc.description.tableofcontents‘Rise-Time' Modelen_US
dc.description.tableofcontentsCUSUM Algorithmen_US
dc.description.tableofcontentsNote Segmentationen_US
dc.description.tableofcontentsSpurious Attack Eliminationen_US
dc.description.tableofcontentsPitch Detectionen_US
dc.description.tableofcontentsCalculation of Note Durationsen_US
dc.description.tableofcontentsNote Value Types Detectionen_US
dc.description.tableofcontentsNote Labels Assignmenten_US
dc.description.tableofcontentsPerformance Measurementen_US
dc.description.tableofcontentsExperimental Determination of Parametersen_US
dc.description.tableofcontentsVariable Length Writing and Readingen_US
dc.description.tableofcontentsPseudocode of Variable Length Writingen_US
dc.description.tableofcontentsPseudocode of Variable Length Readingen_US
dc.description.tableofcontentsNote Value Types Detectionen_US
dc.description.tableofcontentsPseudocode of Round#1: Finding Centroidsen_US
dc.description.tableofcontentsPseudocode of Round#2: Mapping Note Durationsen_US
dc.description.tableofcontentsPseudocode of Note Label Assignmenten_US
dc.identifier.citationPaşmakoğlu, B. E. (2010). Automatic music transcription. İstanbul: Işık Üniversitesi Fen Bilimleri Enstitüsü.en_US
dc.identifier.urihttps://hdl.handle.net/11729/972
dc.institutionauthorPaşmakoğlu, Berk Ekimen_US
dc.language.isoenen_US
dc.publisherIşık Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subject.lccTK5105.8863 .P37 2010
dc.subject.lcshSound -- Recording and reproducing -- Digital techniques.en_US
dc.subject.lcshMUSIC (Computer system)en_US
dc.subject.lcshElectronic digital computers.en_US
dc.titleAutomatic music transcriptionen_US
dc.title.alternativeÖzdevimli müzik çeviriyazımıen_US
dc.typeMaster Thesisen_US
dspace.entity.typePublication

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
11729-972.pdf
Boyut:
1.1 MB
Biçim:
Adobe Portable Document Format
Açıklama:
MasterThesis
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.71 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu