Método de identificación automática para reconocimiento de elementos musicales presentes en imágenes 2D de partituras usando técnicas de aprendizaje profundo

Trabajo de investigación

Autores:
Montañez-Osorio, Juan Camilo
Torres-Rodríguez, Claudia Paola
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2019
Institución:
Universidad Católica de Colombia
Repositorio:
RIUCaC - Repositorio U. Católica
Idioma:
spa
OAI Identifier:
oai:repository.ucatolica.edu.co:10983/24012
Acceso en línea:
https://hdl.handle.net/10983/24012
Palabra clave:
APRENDIZAJE PROGRAMADO
RECONOCIMIENTO DE CARACTERES
INTELIGENCIA ARTIFICIAL
ALGORITMO
MÚSICA
APRENDIZAJE DE MAQUINA
TÉCNICA DE APRENDIZAJE
Rights
openAccess
License
Derechos Reservados - Universidad Católica de Colombia, 2019
id UCATOLICA2_aa900c0e1c8de5ee347791fdaaa29745
oai_identifier_str oai:repository.ucatolica.edu.co:10983/24012
network_acronym_str UCATOLICA2
network_name_str RIUCaC - Repositorio U. Católica
repository_id_str
dc.title.spa.fl_str_mv Método de identificación automática para reconocimiento de elementos musicales presentes en imágenes 2D de partituras usando técnicas de aprendizaje profundo
title Método de identificación automática para reconocimiento de elementos musicales presentes en imágenes 2D de partituras usando técnicas de aprendizaje profundo
spellingShingle Método de identificación automática para reconocimiento de elementos musicales presentes en imágenes 2D de partituras usando técnicas de aprendizaje profundo
APRENDIZAJE PROGRAMADO
RECONOCIMIENTO DE CARACTERES
INTELIGENCIA ARTIFICIAL
ALGORITMO
MÚSICA
APRENDIZAJE DE MAQUINA
TÉCNICA DE APRENDIZAJE
title_short Método de identificación automática para reconocimiento de elementos musicales presentes en imágenes 2D de partituras usando técnicas de aprendizaje profundo
title_full Método de identificación automática para reconocimiento de elementos musicales presentes en imágenes 2D de partituras usando técnicas de aprendizaje profundo
title_fullStr Método de identificación automática para reconocimiento de elementos musicales presentes en imágenes 2D de partituras usando técnicas de aprendizaje profundo
title_full_unstemmed Método de identificación automática para reconocimiento de elementos musicales presentes en imágenes 2D de partituras usando técnicas de aprendizaje profundo
title_sort Método de identificación automática para reconocimiento de elementos musicales presentes en imágenes 2D de partituras usando técnicas de aprendizaje profundo
dc.creator.fl_str_mv Montañez-Osorio, Juan Camilo
Torres-Rodríguez, Claudia Paola
dc.contributor.advisor.spa.fl_str_mv Guzmán-Avendaño, Roger Enrique
dc.contributor.author.spa.fl_str_mv Montañez-Osorio, Juan Camilo
Torres-Rodríguez, Claudia Paola
dc.subject.lemb.spa.fl_str_mv APRENDIZAJE PROGRAMADO
topic APRENDIZAJE PROGRAMADO
RECONOCIMIENTO DE CARACTERES
INTELIGENCIA ARTIFICIAL
ALGORITMO
MÚSICA
APRENDIZAJE DE MAQUINA
TÉCNICA DE APRENDIZAJE
dc.subject.proposal.spa.fl_str_mv RECONOCIMIENTO DE CARACTERES
INTELIGENCIA ARTIFICIAL
ALGORITMO
MÚSICA
APRENDIZAJE DE MAQUINA
TÉCNICA DE APRENDIZAJE
description Trabajo de investigación
publishDate 2019
dc.date.issued.spa.fl_str_mv 2019
dc.date.accessioned.spa.fl_str_mv 2020-01-28T20:16:14Z
dc.date.available.spa.fl_str_mv 2020-01-28T20:16:14Z
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_71e4c1898caa6e32
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.redcol.spa.fl_str_mv https://purl.org/redcol/resource_type/TP
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/submittedVersion
format http://purl.org/coar/resource_type/c_7a1f
status_str submittedVersion
dc.identifier.citation.spa.fl_str_mv Montañez-Osorio, J. C. & Torres-Rodríguez, C. P. (2019). Método de identificación automática para reconocimiento de elementos musicales presentes en imágenes 2D de partituras usando técnicas de aprendizaje profundo. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ingeniería. Programa de Ingeniería de Sistemas. Bogotá, Colombia
dc.identifier.uri.spa.fl_str_mv https://hdl.handle.net/10983/24012
identifier_str_mv Montañez-Osorio, J. C. & Torres-Rodríguez, C. P. (2019). Método de identificación automática para reconocimiento de elementos musicales presentes en imágenes 2D de partituras usando técnicas de aprendizaje profundo. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ingeniería. Programa de Ingeniería de Sistemas. Bogotá, Colombia
url https://hdl.handle.net/10983/24012
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Mercé , Vilar i Monmany. «Educacion y desarrollo musicales desde un punto de vista cognitivo.» En Educacion y desarrollo musicales desde un punto de vista cognitivo, de L Davinson,, & L Scripp, 5-6. Barcelona: LEEME(Lista Electronica Europea de Música en la Educacion, 2004
Carretero De la Rocha, D. (Junio de 2009). Universidad Carlos III de Madrid. Obtenido de Sistema de Reconocimiento de Partituras Musicales: https://earchivo.uc3m.es/handle/10016/7207
Vasilev, Ivan, Daniel Slater, y Gianmario Spacagna. Python Deep Learning. Birmingham: Packt Publishing Ltd., 2019
Marco, T. (Abril 2017). Analfabetos musicales. Melómano, 229.
Valverde, X. (2017). Contexto de aprendizaje musical y de transmisión cultural. Revista de Cienciassociales (CI) núm. 39, 110
Diego Calderón, J. G. (2018). Métodos de lectura musical y el aprendizaje de nuevos repertorios. Sonograma magazine num 037.
Welch, G. (Julio 2004). Psychology of music. United Kingdom: Graham Welchsempre
Gallo, Eva Maria, y María Isabel Reyzábal. «LA NOTACIÓN MUSICAL. DIFICULTADES DE LECTO-ESCRITURA EN ALUMNOS DE 2º CICLO DE E.S.O.» Red de Revistas Científicas de América Latina, el Caribe, España y Portugal, 2005: 465-485.
Gardner, H. (2011). Inteligencias múltiples, la teoría en la práctica. PAIDOS IBERICA
MuseAmi Inc. (Enero de 2015).ITunes. Obtenido de https://itunes.apple.com/es/app/musicpal-snap-hearplay/id976261614#?platform=ipad
Musitek. (17 de 6 de 2014).Google Play. Obtenido de https://play.google.com/store/apps/details?id=com.musitek.notereader&hl=es_ C
Gamandé Villanueva, N. (9 de Junio de 2013). Re-UNIR Repositorio Digital. Obtenido de https://reunir.unir.net/bitstream/handle/123456789/2595/gamande%20villanueva.p df?sequence=1&isAllowe
Pereira Ghiena, A. (2014). ACADEMICA. Obtenido de file:///C:/Users/Juan/AppData/Local/Packages/Microsoft.MicrosoftEdge_8wekyb3d 8bbwe/TempState/Downloads/Tesis_Maestria_PereiraGhiena(final)%20(1).pdf
Sánchez Fernández, C. J., & Sandonís Consuegra, V. (2008). Universidad Carlos III De Madrid. Obtenido de Reconocimiento Optico de Caracteres(OCR): http://www.it.uc3m.es/jvillena/irc/practicas/08-09/09.pdf
Gutiérrez, José Antonio Taquía. «El procesamiento de imágenes y su potencial.» Universidad de Lima, 2017
GUEVARA SANIN, JUAN SEBASTIAN. Teoria Musical. 2015.
Sosa , Roberto, y Mariela Dominguez. Conceptos Básicos del Lenguaje Musical. San Luis: Universidad de La Punta, 2014.
Varela Cañón, Jeferson Camilo. «Reconocimiento automatico de partituras para guitarra por medio de vision artificial y redes neuronales artificiales.» Universidad La Salle, 2018.
Fujinaga, I., Moore, S., & Sullivan Jr, D. S. (1998). Implementation of exemplar- based learning model. Universidad Johns Hopkins
Calvo Zaragoza, Jorge, Francisco J. Castellanos, Gabriel Vigliensoni, y Ichiro Fujinaga. «Deep Neural Networks for Document Processing of Music Scores Images.» MDPI, 2018
dc.rights.spa.fl_str_mv Derechos Reservados - Universidad Católica de Colombia, 2019
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.creativecommons.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
dc.rights.uri.spa.fl_str_mv https://creativecommons.org/licenses/by-nc/4.0/
rights_invalid_str_mv Derechos Reservados - Universidad Católica de Colombia, 2019
Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
https://creativecommons.org/licenses/by-nc/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería
dc.publisher.program.spa.fl_str_mv Ingeniería de Sistemas y Computación
institution Universidad Católica de Colombia
bitstream.url.fl_str_mv https://repository.ucatolica.edu.co/bitstreams/267e0edf-82f4-46f3-82eb-ff02f73d615b/download
https://repository.ucatolica.edu.co/bitstreams/44dd4d42-dea4-421c-807f-f205c64ebd46/download
https://repository.ucatolica.edu.co/bitstreams/b70794a5-e5a7-4325-a7be-30023af13366/download
https://repository.ucatolica.edu.co/bitstreams/67a87c7c-fb8e-406a-8fd1-ec73cf9ae9eb/download
https://repository.ucatolica.edu.co/bitstreams/de3df260-e7ff-48a1-9975-c9e93623a4a8/download
https://repository.ucatolica.edu.co/bitstreams/57dc0c20-2c5e-4229-abdc-0375a6dadbb5/download
bitstream.checksum.fl_str_mv fb17fab79a1255600fae90412fdec915
6cb282810e38ebea4da20e4f9a413e42
d61fad0207bce4e30b209a8585cc3600
ab270214789806164be0a1bdfb722a24
f7e6cb0c7f6a46fce38e216d98f18ce8
97450f45e448cb359b0b8ae1a6db7c87
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Católica de Colombia - RIUCaC
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1814256225312833536
spelling Guzmán-Avendaño, Roger Enriquedc5ef683-0f72-499f-a58c-6325098b9650-1Montañez-Osorio, Juan Camiloa0016d1c-2aa5-4489-9de2-d8aebfc151da-1Torres-Rodríguez, Claudia Paolac626b482-d7de-4241-92ba-ca91af0cf309-12020-01-28T20:16:14Z2020-01-28T20:16:14Z2019Trabajo de investigaciónEl proyecto consta de un experimento el cual tiene como objetivo la detección e identificación de elementos musicales presentes en imágenes de partituras 2D con el objetivo de crear una línea base que pueda ser implementada con el fin de apoyar la lectura de las partituras musicales. Se implementa un algoritmo basado en aprendizaje profundo que a través de la arquitectura de redes neuronales FASTER RCNN permite la detección de caracteres en imágenes. El desempeño del proyecto da como resultado una precisión de 71.8% y un AR75 de 69.1% mostrando así un buen desempeño en la identificación y clasificación de las imágenes.PregradoIngeniero de SistemasRESUMEN INTRODUCCIÓN 1. GENERALIDADES 2. MARCOS DE REFERENCIA 3. METODOLOGÍA 4. CRONOGRAMA DE ACTIVIDADES 5. PRESUPUESTO 6. INSTRUMENTOS O HERRAMIENTAS UTILIZADAS 7. RECOLECCIÓN DE DATOS 8. DESARROLLO DE LA PROPUESTA 9. RESULTADOS 10. CONCLUSIONES 11. RECOMENDACIONES 12. TRABAJOS FUTUROS 13. ESTRATEGIAS DE COMUNICACIÓN Y DIVULGACIÓN. BIBLIOGRAFÍAapplication/pdfMontañez-Osorio, J. C. & Torres-Rodríguez, C. P. (2019). Método de identificación automática para reconocimiento de elementos musicales presentes en imágenes 2D de partituras usando técnicas de aprendizaje profundo. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ingeniería. Programa de Ingeniería de Sistemas. Bogotá, Colombiahttps://hdl.handle.net/10983/24012spaFacultad de IngenieríaIngeniería de Sistemas y ComputaciónMercé , Vilar i Monmany. «Educacion y desarrollo musicales desde un punto de vista cognitivo.» En Educacion y desarrollo musicales desde un punto de vista cognitivo, de L Davinson,, & L Scripp, 5-6. Barcelona: LEEME(Lista Electronica Europea de Música en la Educacion, 2004Carretero De la Rocha, D. (Junio de 2009). Universidad Carlos III de Madrid. Obtenido de Sistema de Reconocimiento de Partituras Musicales: https://earchivo.uc3m.es/handle/10016/7207Vasilev, Ivan, Daniel Slater, y Gianmario Spacagna. Python Deep Learning. Birmingham: Packt Publishing Ltd., 2019Marco, T. (Abril 2017). Analfabetos musicales. Melómano, 229.Valverde, X. (2017). Contexto de aprendizaje musical y de transmisión cultural. Revista de Cienciassociales (CI) núm. 39, 110Diego Calderón, J. G. (2018). Métodos de lectura musical y el aprendizaje de nuevos repertorios. Sonograma magazine num 037.Welch, G. (Julio 2004). Psychology of music. United Kingdom: Graham WelchsempreGallo, Eva Maria, y María Isabel Reyzábal. «LA NOTACIÓN MUSICAL. DIFICULTADES DE LECTO-ESCRITURA EN ALUMNOS DE 2º CICLO DE E.S.O.» Red de Revistas Científicas de América Latina, el Caribe, España y Portugal, 2005: 465-485.Gardner, H. (2011). Inteligencias múltiples, la teoría en la práctica. PAIDOS IBERICAMuseAmi Inc. (Enero de 2015).ITunes. Obtenido de https://itunes.apple.com/es/app/musicpal-snap-hearplay/id976261614#?platform=ipadMusitek. (17 de 6 de 2014).Google Play. Obtenido de https://play.google.com/store/apps/details?id=com.musitek.notereader&hl=es_ CGamandé Villanueva, N. (9 de Junio de 2013). Re-UNIR Repositorio Digital. Obtenido de https://reunir.unir.net/bitstream/handle/123456789/2595/gamande%20villanueva.p df?sequence=1&isAllowePereira Ghiena, A. (2014). ACADEMICA. Obtenido de file:///C:/Users/Juan/AppData/Local/Packages/Microsoft.MicrosoftEdge_8wekyb3d 8bbwe/TempState/Downloads/Tesis_Maestria_PereiraGhiena(final)%20(1).pdfSánchez Fernández, C. J., & Sandonís Consuegra, V. (2008). Universidad Carlos III De Madrid. Obtenido de Reconocimiento Optico de Caracteres(OCR): http://www.it.uc3m.es/jvillena/irc/practicas/08-09/09.pdfGutiérrez, José Antonio Taquía. «El procesamiento de imágenes y su potencial.» Universidad de Lima, 2017GUEVARA SANIN, JUAN SEBASTIAN. Teoria Musical. 2015.Sosa , Roberto, y Mariela Dominguez. Conceptos Básicos del Lenguaje Musical. San Luis: Universidad de La Punta, 2014.Varela Cañón, Jeferson Camilo. «Reconocimiento automatico de partituras para guitarra por medio de vision artificial y redes neuronales artificiales.» Universidad La Salle, 2018.Fujinaga, I., Moore, S., & Sullivan Jr, D. S. (1998). Implementation of exemplar- based learning model. Universidad Johns HopkinsCalvo Zaragoza, Jorge, Francisco J. Castellanos, Gabriel Vigliensoni, y Ichiro Fujinaga. «Deep Neural Networks for Document Processing of Music Scores Images.» MDPI, 2018Derechos Reservados - Universidad Católica de Colombia, 2019info:eu-repo/semantics/openAccessAtribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)https://creativecommons.org/licenses/by-nc/4.0/http://purl.org/coar/access_right/c_abf2APRENDIZAJE PROGRAMADORECONOCIMIENTO DE CARACTERESINTELIGENCIA ARTIFICIALALGORITMOMÚSICAAPRENDIZAJE DE MAQUINATÉCNICA DE APRENDIZAJEMétodo de identificación automática para reconocimiento de elementos musicales presentes en imágenes 2D de partituras usando técnicas de aprendizaje profundoTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttps://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/submittedVersionhttp://purl.org/coar/version/c_71e4c1898caa6e32PublicationORIGINALMÉTODO DE IDENTIFICACIÓN AUTOMÁTICA PARA RECONOCIMIENTO DE ELEMENTOS MUSICALES PRESENTES EN IMÁGE.pdfMÉTODO DE IDENTIFICACIÓN AUTOMÁTICA PARA RECONOCIMIENTO DE ELEMENTOS MUSICALES PRESENTES EN IMÁGE.pdfapplication/pdf2056437https://repository.ucatolica.edu.co/bitstreams/267e0edf-82f4-46f3-82eb-ff02f73d615b/downloadfb17fab79a1255600fae90412fdec915MD51resumen-analitico-en-educacion.pdfresumen-analitico-en-educacion.pdfapplication/pdf72746https://repository.ucatolica.edu.co/bitstreams/44dd4d42-dea4-421c-807f-f205c64ebd46/download6cb282810e38ebea4da20e4f9a413e42MD52TEXTMÉTODO DE IDENTIFICACIÓN AUTOMÁTICA PARA RECONOCIMIENTO DE ELEMENTOS MUSICALES PRESENTES EN IMÁGE.pdf.txtMÉTODO DE IDENTIFICACIÓN AUTOMÁTICA PARA RECONOCIMIENTO DE ELEMENTOS MUSICALES PRESENTES EN IMÁGE.pdf.txtExtracted texttext/plain79971https://repository.ucatolica.edu.co/bitstreams/b70794a5-e5a7-4325-a7be-30023af13366/downloadd61fad0207bce4e30b209a8585cc3600MD53resumen-analitico-en-educacion.pdf.txtresumen-analitico-en-educacion.pdf.txtExtracted texttext/plain9268https://repository.ucatolica.edu.co/bitstreams/67a87c7c-fb8e-406a-8fd1-ec73cf9ae9eb/downloadab270214789806164be0a1bdfb722a24MD54THUMBNAILMÉTODO DE IDENTIFICACIÓN AUTOMÁTICA PARA RECONOCIMIENTO DE ELEMENTOS MUSICALES PRESENTES EN IMÁGE.pdf.jpgMÉTODO DE IDENTIFICACIÓN AUTOMÁTICA PARA RECONOCIMIENTO DE ELEMENTOS MUSICALES PRESENTES EN IMÁGE.pdf.jpgRIUCACimage/jpeg10696https://repository.ucatolica.edu.co/bitstreams/de3df260-e7ff-48a1-9975-c9e93623a4a8/downloadf7e6cb0c7f6a46fce38e216d98f18ce8MD55resumen-analitico-en-educacion.pdf.jpgresumen-analitico-en-educacion.pdf.jpgRIUCACimage/jpeg19218https://repository.ucatolica.edu.co/bitstreams/57dc0c20-2c5e-4229-abdc-0375a6dadbb5/download97450f45e448cb359b0b8ae1a6db7c87MD5610983/24012oai:repository.ucatolica.edu.co:10983/240122023-03-24 15:05:56.643https://creativecommons.org/licenses/by-nc/4.0/Derechos Reservados - Universidad Católica de Colombia, 2019https://repository.ucatolica.edu.coRepositorio Institucional Universidad Católica de Colombia - RIUCaCbdigital@metabiblioteca.com

Publicaciones similares