รายละเอียดโครงงาน
หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมซอฟต์แวร์และความรู้ ปี พ.ศ. 2565
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2564
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
การจำแนกความยากในการแสดงของเปียโนคลาสสิก
ชื่อโครงงานภาษาอังกฤษ
Classification of Performance Difficulty of Classical Piano Pieces
ผู้พัฒนา
6110545449 จิตตา คูประทุมศิริ
อาจารย์ที่ปรึกษาหลัก
ภารุจ รัตนวรพันธุ์
อาจารย์ที่ปรึกษาร่วม
-
บทคัดย่อ
ชิ้นงานที่มีป้ายกำกับความยากจะเป็นประโยชน์สำหรับนักดนตรีและผู้ที่ชื่นชอบในการเลือกเพลงที่จะเรียนรู้หรือแสดง มาตรฐานที่ยอมรับกันอย่างกว้างขวางมีอยู่เฉพาะสำหรับดนตรีคลาสสิกในปัจจุบันและใช้เวลาในการให้คะแนน ในการนำประโยชน์ดังกล่าวมาสู่ดนตรีประเภทอื่น การจดจำความยากอัตโนมัติของดนตรีเป็นสิ่งสำคัญ การศึกษาก่อนหน้านี้ได้เสนอรูบริกของตนเอง ใช้มาตรฐานความยากที่มีชื่อเสียงน้อยกว่า หรือใช้ชุดข้อมูลขนาดเล็กในการเปรียบเทียบกับงานดนตรีอื่นๆ การใช้ความยากที่เชื่อถือได้ของ Henle และข้อมูลภาพหนังสือที่เรารวบรวมนั้น ขนาดชุดข้อมูลของเราเพิ่มขึ้นเป็น 1090 ตัวอย่าง การรวมวิธีการแบบเก่ากับแบบจำลองการจำแนกและการถดถอยแบบใหม่ คะแนน R2 ที่ดีที่สุดคือ 62% เพิ่มขึ้นจากการศึกษาก่อนหน้านี้ และความแม่นยำ ในขณะที่ต่ำ ที่ 41% แสดงเมทริกซ์ความสับสนที่ยอมรับได้สำหรับการกระจายชุดข้อมูลที่มีอยู่ ข้อจำกัดและคำแนะนำหลายประการสำหรับการศึกษาในอนาคตได้อธิบายไว้ในบทความนี้
Abstract
Difficulty labeled pieces is helpful to musicians and enthusiasts alike in choosing songs to learn or perform. The widely accepted standards only exist for Classical music currently and takes time to grade. To bring such benefits to other genres of music, automatic difficulty recognition of music is essential. Previous studies have either proposed their own rubric, used less renown difficulty standards, or used small datasets in comparison to other music tasks. Using Henle’s trusted difficulty and book images data that we collected, our dataset size increased to 1090 samples. Combining old methods with new classification and regression models, the best R2 score was 62%, an increase from previous studies, and the accuracy, while a low of 41%, shows an acceptable confusion matrix for the available distribution of the dataset. Several limitations and recommendations for future studies are outlined in the paper.
คำสำคัญ (Keywords)
Music Information Retrieval
Difficulty Recognition
Classical Music
Piano
Image Processing
Optical Music Recognition
Music Notation
Machine Learning
เว็บไซต์โครงงาน
-
วีดีโอคลิปของโครงงาน
ที่เก็บเวอร์ชันซอร์สโค้ด
https://github.com/bluemonarch21/henle-scraper https://github.com/bluemonarch21/mdc
สถานะการนำเข้าข้อมูล
ผู้นำเข้าข้อมูลครั้งแรก
จิตตา
คูประทุมศิริ
(b6110545449)
แก้ไขครั้งสุดท้าย
เมื่อ May 22, 2022, 12:01 p.m. โดย
จิตตา
คูประทุมศิริ
(b6110545449)
สถานะการอนุมัติ
รออนุมัติ