作者如何把辨識樂譜的模型縮小 21 倍,讓照片轉成音符快得多
Score image processing
重點導讀
把樂譜拍成照片,再轉成能播放的音符,原本很方便,卻可能等上 13.6 分鐘,讓人以為手機當掉了。作者用原本的辨識模型當老師,做出一個更小的模型,教它看大量樂譜範例,也把範例轉歪、弄模糊、加雜訊,模擬拍照和掃描的樣子。新模型只有 1.8 MB,比原本小 21 倍;在同一臺筆電上,辨識同一頁的一部分從 7 秒縮短到 0.3 秒,手機處理整頁則變成 33 秒。測試中,新模型在模糊歪斜的模擬掃描上,音高辨識率比原模型高;但測試只有 14 頁,作者也還沒好好測過真正拍下來的樂譜照片。轉出的結果仍要人工修正,例如補回拍號或改正譜號。這次嘗試顯示,訓練模型也能成為讓一項功能變好用的小步驟。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
信源出處dev.to
Score image processing
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。
來源: Dev.to Top Tech (dev.to)
開啟原文