OMR on 减三和弦 /zh/tags/omr/ Recent content in OMR on 减三和弦 Hugo -- 0.164.0 zh 2021-CURRENT_YEAR Bdim Thu, 12 Sep 2024 00:01:11 +0800 Andrej Karpathy 的 Neural Networks: Zero to Hero 系列视频笔记：2 - Makemore /zh/posts/andrej-karpathy-%E7%9A%84-neural-networks-zero-to-hero-%E7%B3%BB%E5%88%97%E8%A7%86%E9%A2%91%E7%AC%94%E8%AE%B02---makemore/ Thu, 12 Sep 2024 00:01:11 +0800 /zh/posts/andrej-karpathy-%E7%9A%84-neural-networks-zero-to-hero-%E7%B3%BB%E5%88%97%E8%A7%86%E9%A2%91%E7%AC%94%E8%AE%B02---makemore/ <p>原视频： <a href="https://www.youtube.com/watch?v=PaCmpygFfXo">The spelled-out intro to language modeling: building makemore</a></p> <blockquote> <p>注意，可以透过将代码复制到 colab 或 jupyter notebook 运行, 部分生图的输出结果本文贴图效果不佳，所以建议亲自动手跟着视频操作理解。本文的笔记仅作参考。</p> Andrej Karpathy 的 Neural Networks: Zero to Hero 系列视频笔记：1 - Micrograd /zh/posts/andrej-karpathy-%E7%9A%84-neural-networks-zero-to-hero-%E7%B3%BB%E5%88%97%E8%A7%86%E9%A2%91%E7%AC%94%E8%AE%B01---micrograd/ Wed, 11 Sep 2024 00:01:11 +0800 /zh/posts/andrej-karpathy-%E7%9A%84-neural-networks-zero-to-hero-%E7%B3%BB%E5%88%97%E8%A7%86%E9%A2%91%E7%AC%94%E8%AE%B01---micrograd/ <p>原视频： <a href="https://www.youtube.com/watch?v=VMj-3S1tku0">The spelled-out intro to neural networks and backpropagation: building micrograd</a></p> <blockquote> <p>注意，可以透过将代码复制到 colab 或 jupyter notebook 运行, 部分生图的输出结果本文贴图效果不佳，所以建议亲自动手跟着视频操作理解。本文的笔记仅作参考。</p> OMR 相关论文阅读：基于端到端线性化编码的钢琴乐谱光学识别技术 /zh/posts/omr-%E7%9B%B8%E5%85%B3%E8%AE%BA%E6%96%87%E9%98%85%E8%AF%BB%E5%9F%BA%E4%BA%8E%E7%AB%AF%E5%88%B0%E7%AB%AF%E7%BA%BF%E6%80%A7%E5%8C%96%E7%BC%96%E7%A0%81%E7%9A%84%E9%92%A2%E7%90%B4%E4%B9%90%E8%B0%B1%E5%85%89%E5%AD%A6%E8%AF%86%E5%88%AB%E6%8A%80%E6%9C%AF/ Tue, 27 Aug 2024 00:01:11 +0800 /zh/posts/omr-%E7%9B%B8%E5%85%B3%E8%AE%BA%E6%96%87%E9%98%85%E8%AF%BB%E5%9F%BA%E4%BA%8E%E7%AB%AF%E5%88%B0%E7%AB%AF%E7%BA%BF%E6%80%A7%E5%8C%96%E7%BC%96%E7%A0%81%E7%9A%84%E9%92%A2%E7%90%B4%E4%B9%90%E8%B0%B1%E5%85%89%E5%AD%A6%E8%AF%86%E5%88%AB%E6%8A%80%E6%9C%AF/ <h2 id="核心观点">核心观点</h2> <p><strong>1. 研究背景 (Background of the Study):</strong></p> <ul> <li>文章探讨了如何通过深度学习方法实现光学音乐识别 (OMR) 的端到端系统，尤其是针对钢琴形式音乐的识别。尽管近年来在单声部音乐的光学识别方面取得了进展，但现有的 OMR 模型很难处理钢琴音乐中包含的多声部和多行谱表。</li> <li>钢琴音乐的复杂性源于其多声部的独立并行，声部可以在乐曲中自由出现和消失。这种复杂性给 OMR 模型的输出带来了额外的挑战。</li> </ul> <p><strong>2. 核心贡献 (Key Contributions):</strong></p>