【技术实现步骤摘要】
一种基于深度学习的钢琴考级评定方法及装置
本专利技术涉及一种基于深度学习的钢琴考级评定方法及装置。
技术介绍
钢琴是一种源自西洋古典乐器中的键盘乐器，由88个琴键和金属弦音板组成，弹奏者通过按下键盘上的琴键，牵动钢琴里面的小木槌，继而敲击钢丝弦发出声音。钢琴因其宽广的音域，绝美的音色，被誉为乐器之王。随着人们生活水平的提高，学习钢琴演奏的人越来越多，而参加钢琴考级的业余钢琴学习者也越来越多。随着钢琴考级的学员数量的不断上升，钢琴考级专业评分老师的数量也随之增多，同时对专业评分老师也提出了更高的要求，专业评分老师的工作压力也会随之增大。除此之外，学员进行钢琴考级的评分效率低下，考级评分结果容易受专业评分老师个人主观因素的影响，导致不能根据演奏的情况给出一个客观的评价。显然，如何提高钢琴考级的评分效率、降低钢琴考级人力资源的投入，成为钢琴音乐考级发展过程中一个亟待解决的问题。
技术实现思路
本专利技术提供了一种基于深度学习的钢琴考级评定方法及装置，其克服了现有技术的钢琴考级所存在的不足之处。本专利技术解决其技术问题所采用的技术方案是：一种基于深度学习的钢琴考级评定方法，用...
【技术保护点】
1.一种基于深度学习的钢琴考级评定方法，其特征在于，包括如下步骤：获取待评定钢琴乐曲的音频数据；对所述音频数据进行预处理；从预处理后的音频数据中提取声学特征；将所述声学特征输入预先训练好的ResCNN神经网络模型，获得预测概率矩阵P；根据所述预测概率矩阵P确定所述待评定钢琴乐曲的考级评定结果。
【技术特征摘要】
1.一种基于深度学习的钢琴考级评定方法，其特征在于，包括如下步骤：获取待评定钢琴乐曲的音频数据；对所述音频数据进行预处理；从预处理后的音频数据中提取声学特征；将所述声学特征输入预先训练好的ResCNN神经网络模型，获得预测概率矩阵P；根据所述预测概率矩阵P确定所述待评定钢琴乐曲的考级评定结果。2.根据权利要求1所述的一种基于深度学习的钢琴考级评定方法，其特征在于，所述从预处理后的音频数据中提取声学特征具体为：采用梅尔频率倒谱系数从预处理后的音频数据中提取声学特征；所述声学特征为由MFCC特征、一阶MFCC特征、二阶MFCC特征、能量特征、一阶能量特征和二阶能量特征组合成的多维组合特征。3.根据权利要求1所述的一种基于深度学习的钢琴考级评定方法，其特征在于，所述对所述音频数据进行预处理包括归一化处理、去除静音段处理、去噪处理中的任意一项或多项。4.根据权利要求3所述的一种基于深度学习的钢琴考级评定方法，其特征在于，所述去除静音段处理具体为：采用VAD算法计算所述音频数据每一帧的能量值，能量值低于能量门限TH的帧为静音帧，否则为语音帧，舍弃所述静音帧，保留所述语音帧。5.根据权利要求3所述的一种基于深度学习的钢琴考级评定方法，其特征在于，所述去噪处理采用基于循环神经网络RNN的音频降噪算法对所述音频数据进行去噪。6.根据权利要求1所述的一种基于深度学习的钢琴考级评定方法，其特征在于，所述根据所述预测概率矩阵P确定所述待评定钢琴乐曲的考级评定结果具体为：所述考级评定结果包括不及格、及格、良好和优秀，所述预测概率矩阵P中的每个元素的值代表所述待评定钢琴乐曲属于该元素对应的考级评定结果的概率，将所述预测概率矩阵P中值最大的元素对应的考级评定结果作为所述待评定钢琴...
【专利技术属性】
技术研发人员：陈文敏，李稀敏，肖龙源，蔡振华，刘晓葳，王静，
申请(专利权)人：厦门快商通信息咨询有限公司，
类型：发明
国别省市：福建,35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。