ОГЛЯД ДОСЛІДЖЕНЬ З РОЗПІЗНАВАННЯ НОТ З АУДІОДАНИХ ЗА ДОПОМОГОЮ НЕЙРОННИХ МЕРЕЖ

DOI: 10.31673/2786-8362.2025.018603

Анотація

У статті розглядаються сучасні нейромережеві підходи до автоматичного
розпізнавання нот з аудіофайлів. Проаналізовано алгоритми на основі швидкого перетворення
Фур’є, згорткових нейронних мереж (CNN) та мереж залишкових перестановок-обмінів (RSE).
Визначено переваги глибокого навчання в умовах фонових шумів і варіативного виконання нот.
Запропоновано шляхи підвищення точності розпізнавання та перспективи застосування в музичних
технологіях.
Ключові слова: Розпізнавання нот, аудіоаналіз, нейронні мережі, згорткова нейронна мережа,
RSE-мережа, музична транскрипція, глибоке навчання, обробка звуку, машинне навчання, штучний
інтелект

Список використаної літератури
1. A tutorial on onset detection in music signals / J. P. Bello et al. IEEE transactions on speech
and audio processing. 2005. Vol. 13, no. 5. P. 1035–1047. URL:
https://doi.org/10.1109/tsa.2005.851998.
2. Duan Z., Zhang D. Note recognition of various instruments played in noisy environment by
deep convolutional neural networks. Applied acoustics. 2018. Vol. 141. P. 154–164.
3. Pons J., Serra X., Gómez E. End-to-end learning for music audio tagging at scale. Proceedings
of the 17th international society for music information retrieval conference. 2016. P. 315–321.
4. Slepkov A. D., Steedman M. A convolutional neural network approach to real-time pitch
detection. Journal of the Acoustical Society of America. 2017. Vol. 141, no. 5. P. EL462–EL468.
5. Uhle C., Schedl M., Pohle T. Deep learning for musical instrument recognition in audio
recordings. Journal of the Audio Engineering Society. 2018. Vol. 66, no. 9. P. 680–693.
6. Lidy T., Rauber A. Evaluation of convolutional neural networks for music classification tasks.
Journal of new music research. 2015. Vol. 44, no. 2. P. 101–114.
7. Yang Y., Lee H. Pitch tracking of guitar notes using deep convolutional neural networks.
Proceedings of the International Conference on New Interfaces for Musical Expression. 2018. P.
229–234.
8. Azarloo A., Farokhi F. Automatic musical instrument recognition using K-NN and MLP
neural networks. 2012 4th international conference on computational intelligence, communication
systems and networks (cicsyn 2012), Phuket, Thailand, 24–26 July 2012. 2012. URL:
https://doi.org/10.1109/cicsyn.2012.61.
9. Thickstun J., Harchaoui Z., Kakade S. M. Learning features of music from scratch. ICLR
(Poster). 2017.
10. Freivalds K., Ozolins E., Sostaks A. Neural Shuffle-Exchange Networks – Sequence
Processing in O(n log n) Time. Advances in Neural Information Processing Systems. 2019. Vol. 32.
P. 6626–6637.
11. Residual shuffle-exchange networks for fast processing of long sequences / A. Draguns et al.
Proceedings of the AAAI conference on artificial intelligence. 2021. Vol. 35, no. 8. P. 7245–7253.
URL: https://doi.org/10.1609/aaai.v35i8.16890.
12. Fujinaga I., MacMillan K. Realtime Recognition of Orchestral Instruments. Proceedings of
the International Computer Music Conference (ICMC). 2000. P. 141–143.