| 1 |
1
단 시간 푸리에 변환을 통해 전처리된 오디오 데이터에 대하여 복수의 노트 또는 복수의 크로마를 예측하는 네트워크 및 복수의 크로마 온셋을 예측하는 네트워크를 포함하는 신경 네트워크를 사용하여, 오디오 데이터에 대한 순차 데이터의 시간 종속성을 학습하는 단계; 및순차 데이터의 시간 종속성을 학습하여 MIDI 레벨 기능을 반환하고, 크로마 온셋 특징에 대해 감쇠 가중치를 갖는 프레임 동안 연장하는 단계를 포함하고,상기 신경 네트워크를 사용하여, 오디오 데이터에 대한 순차 데이터의 시간 종속성을 학습하는 단계는, 계산량을 줄이기 위해 시퀀스-시퀀스 방식으로 작동함으로써 역전파 길이에 대해 그리드 검색을 수행하고, 해당 프레임에서의 전염성 에러를 제거하기 위해 입력 시퀀스를 오버랩된 세그먼트로 분할하고 각 세그먼트의 출력 중 중간 부분만을 취하는심층 인공신경망 기반 자동 악보 채보를 이용한 연주 및 악보 정렬 방법
|
| 2 |
2
제1항에 있어서,입력으로 오디오 데이터를 수신하여 제1 윈도우 및 제2 윈도우를 갖는 두 가지 유형의 단 시간 푸리에 변환을 계산하는 단계를 더 포함하고, 상기 입력으로 오디오 데이터를 수신하여 제1 윈도우 및 제2 윈도우를 갖는 두 가지 유형의 단 시간 푸리에 변환을 계산하는 단계는, 단 시간 푸리에 변환의 크기만을 취함으로써 스펙트로그램을 얻고, 사운드 강도의 대수(logarithmic) 특성을 적용하기 위해 로그형 압축을 스펙트로그램에 적용하는 심층 인공신경망 기반 자동 악보 채보를 이용한 연주 및 악보 정렬 방법
|
| 3 |
3
제2항에 있어서,오디오 데이터를 반음 필터링된 스펙트로그램의 1차 계차(first-order difference)와 연결하여 입력을 증가시키는 심층 인공신경망 기반 자동 악보 채보를 이용한 연주 및 악보 정렬 방법
|
| 4 |
4
삭제
|
| 5 |
5
단 시간 푸리에 변환을 통해 전처리된 오디오 데이터에 대하여 복수의 노트 또는 복수의 크로마를 예측하는 네트워크 및 복수의 크로마 온셋을 예측하는 네트워크를 포함하는 신경 네트워크를 사용하여, 오디오 데이터에 대한 순차 데이터의 시간 종속성을 학습하는 단계; 및순차 데이터의 시간 종속성을 학습하여 MIDI 레벨 기능을 반환하고, 크로마 온셋 특징에 대해 감쇠 가중치를 갖는 프레임 동안 연장하는 단계를 포함하고,상기 순차 데이터의 시간 종속성을 학습하여 MIDI 레벨 기능을 반환하고, 크로마 온셋 특징에 대해 감쇠 가중치를 갖는 프레임 동안 연장하는 단계는, 반환되는 MIDI 레벨 기능은 복수의 노트 또는 복수의 크로마 AMT 출력 기능과 연결되어 결합되고, 크로마 온셋은 결합되기 전과 동일한 방식으로 연장되는심층 인공신경망 기반 자동 악보 채보를 이용한 연주 및 악보 정렬 방법
|
| 6 |
6
단 시간 푸리에 변환을 통해 전처리된 오디오 데이터에 대하여 복수의 노트 또는 복수의 크로마를 예측하는 네트워크 및 복수의 크로마 온셋을 예측하는 네트워크를 포함하는 신경 네트워크를 사용하여, 오디오 데이터에 대한 순차 데이터의 시간 종속성을 학습하는 신경 네트워크부; 및순차 데이터의 시간 종속성을 학습하여 MIDI 레벨 기능을 반환하고, 크로마 온셋 특징에 대해 감쇠 가중치를 갖는 프레임 동안 연장하는 오디오-악보 정렬부를 포함하고,상기 신경 네트워크부는, 계산량을 줄이기 위해 시퀀스-시퀀스 방식으로 작동함으로써 역전파 길이에 대해 그리드 검색을 수행하고, 해당 프레임에서의 전염성 에러를 제거하기 위해 입력 시퀀스를 오버랩된 세그먼트로 분할하고 각 세그먼트의 출력 중 중간 부분만을 취하는심층 인공신경망 기반 자동 악보 채보를 이용한 연주 및 악보 정렬 시스템
|
| 7 |
7
제6항에 있어서, 입력으로 오디오 데이터를 수신하여 제1 윈도우 및 제2 윈도우를 갖는 두 가지 유형의 단 시간 푸리에 변환(Short Time Fourier Transform; STFT)을 계산하는 전처리부를 더 포함하고, 상기 전처리부는, 단 시간 푸리에 변환의 크기만을 취함으로써 스펙트로그램을 얻고, 사운드 강도의 대수(logarithmic) 특성을 적용하기 위해 로그형 압축을 스펙트로그램에 적용하는 심층 인공신경망 기반 자동 악보 채보를 이용한 연주 및 악보 정렬 시스템
|
| 8 |
8
제7항에 있어서,상기 전처리부는 오디오 데이터를 반음 필터링된 스펙트로그램의 1차 계차(first-order difference)와 연결하여 입력을 증가시키는심층 인공신경망 기반 자동 악보 채보를 이용한 연주 및 악보 정렬 시스템
|
| 9 |
9
삭제
|
| 10 |
10
단 시간 푸리에 변환을 통해 전처리된 오디오 데이터에 대하여 복수의 노트 또는 복수의 크로마를 예측하는 네트워크 및 복수의 크로마 온셋을 예측하는 네트워크를 포함하는 신경 네트워크를 사용하여, 오디오 데이터에 대한 순차 데이터의 시간 종속성을 학습하는 신경 네트워크부; 및순차 데이터의 시간 종속성을 학습하여 MIDI 레벨 기능을 반환하고, 크로마 온셋 특징에 대해 감쇠 가중치를 갖는 프레임 동안 연장하는 오디오-악보 정렬부를 포함하고,상기 오디오-악보 정렬부는, 반환되는 MIDI 레벨 기능은 복수의 노트 또는 복수의 크로마 AMT 출력 기능과 연결되어 결합되고, 크로마 온셋은 결합되기 전과 동일한 방식으로 연장되는심층 인공신경망 기반 자동 악보 채보를 이용한 연주 및 악보 정렬 시스템
|
