Objetivos
El proyecto se centra en la integración de técnicas de adaptación de dominio (DA) en sistemas de reconocimiento óptico de música (OMR) con el propósito de digitalizar partituras musicales de manera generalizada y práctica, sin restricciones sobre su tipo, estilo o formato y sin requerir conjuntos de datos etiquetados específicos. Busca desarrollar y evaluar métodos que permitan adaptarse a variaciones en las partituras, aprovechando conjuntos de datos existentes y ampliando su corpus con datos sintéticos y semisintéticos. La metodología propuesta abordará el análisis de documentos musicales a través de aprendizaje automático y redes neuronales profundas, integrando técnicas de DA en detección de objetos, redes convolucionales recurrentes y binarización.
Equipo
El equipo de investigación junto con el equipo de trabajo está formado por un total de seis investigadores de la Universidad de Alicante:
Investigador Principal
Equipo de investigación
Equipo de investigación
Equipo de trabajo
Equipo de trabajo
Equipo de trabajo
Investigador contratado
Publicaciones
A continuación se detalla la lista de publicaciones en revistas y conferencias obtenidas como resultado de este proyecto:
-
Multilabel Prototype Generation for Data Reduction in k-Nearest Neighbour classification
Jose J. Valero-Mas, Antonio Javier Gallego, Pablo Alonso-Jiménez, and Xavier Serra
Pattern Recognition, 2023
[Enlace al artículo] [Enlace al código] [Enlace a los datos]
-
Kurcuma: a Kitchen Utensil Recognition Collection for Unsupervised Domain Adaptation
Adrian Rosello, Jose J. Valero-Mas, Antonio Javier Gallego, Javier Sáez-Pérez, and Jorge Calvo-Zaragoza
Pattern Analysis and Applications, 2022
-
An Overview of Ensemble and Feature Learning in Few-Shot Image Classification using Siamese Networks
Jose J. Valero-Mas, Antonio Javier Gallego, and Juan Ramón Rico-Juan
Multimedia Tools and Applications, 2023
-
Addressing class imbalance in Multilabel Prototype Generation for k -Nearest Neighbor classification
Carlos Penarrubia, Jose J. Valero-Mas, Antonio Javier Gallego, and Jorge Calvo-Zaragoza
11th Iberian Conference on Pattern Recognition and Image Analysis (IbPRIA), 2023
-
Test-Time Augmentation for Document Image Binarization
Adrian Rosello, Francisco J. Castellanos, Juan P. Martinez-Esteso, Antonio Javier Gallego, and Jorge Calvo-Zaragoza
11th Iberian Conference on Pattern Recognition and Image Analysis (IbPRIA), 2023
-
A Few-shot Neural Approach for Layout Analysis of Music Score Images
Francisco J. Castellanos, Antonio Javier Gallego, and Ichiro Fujinaga
24th International Society for Music Information Retrieval Conference (ISMIR), 2023
[Enlace al artículo] [Diapositivas] [Póster] [Vídeo]
-
A Preliminary Study of Few-shot Learning for Layout Analysis of Music Scores
Francisco J. Castellanos, Antonio Javier Gallego, and Ichiro Fujinaga
5th International Workshop on Reading Music Systems (WORMS), 2023
-
A region-based approach for layout analysis of music score images in scarce data scenarios
Francisco J. Castellanos, Juan P. Martinez-Esteso, Alejandro Galán-Cuenca, and Antonio Javier Gallego
18th IAPR International Conference on Document Analysis and Recognition (ICDAR), 2024
Demo
En los siguientes enlaces puedes encontrar una demo del sistema de layout analysis desarrollado para la digitalización de partituras:
Financiación y entidades colaboradoras
Este trabajo ha sido financiado por el Ministerio de Ciencia e Innovación de España a través del proyecto de investigación TED2021-132103A-I00, financiado por MCIN/AEI/10.13039/501100011033. El proyecto se ha desarrollado en el Instituto Universitario de Investigación en Informática (IUII) de la Universidad de Alicante (UA). Este proyecto ha sido acogido dentro del grupo de investigación Pattern Recognition and Artificial Intelligence Group (PRAIg) del Departamento de Lenguajes y Sistemas Informáticos (DLSI).
