乐谱处理方法、装置和电子设备制造方法及图纸

本发明专利技术提供了一种乐谱处理方法、装置和电子设备，该方法包括：获取待处理乐谱；通过预先训练完成的卷积神经网络，提取待处理乐谱的乐谱向量；将乐谱向量记录在预设的区块链系统。该方式中，通过预先训练完成的卷积神经网络，提取待处理乐谱的乐谱向量，并将乐谱向量记录在预设的区块链系统中。将每一首歌曲的乐谱都以乐谱向量的形式保存在区块链系统中，永久保存，不可更改，从而实现保护乐谱版权的目的。

Music score processing methods, devices and electronic equipment

【技术实现步骤摘要】
乐谱处理方法、装置和电子设备
本专利技术涉及神经网络
，尤其是涉及一种乐谱处理方法、装置和电子设备。
技术介绍
音乐版权维护一直是当前社会热点问题。相关技术中，因为音乐的乐谱抄袭问题一直难以界定，所以对乐谱的维权难以进行，难以保护乐谱的版权。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种乐谱处理方法、装置和电子设备，以保护乐谱的版权。第一方面，本专利技术实施例提供了一种乐谱处理方法，包括：获取待处理乐谱；通过预先训练完成的卷积神经网络，提取待处理乐谱的乐谱向量；将乐谱向量记录在预设的区块链系统。在本专利技术较佳的实施例中，上述通过预先训练完成的卷积神经网络，提取待处理乐谱的乐谱向量的步骤，包括：如果待处理乐谱的表示形式为五线谱序列，将待处理乐谱的表示形式转化为数字序列；将数字序列形式的待处理乐谱输入至预先训练完成的卷积神经网络中，输出待处理乐谱的乐谱向量。在本专利技术较佳的实施例中，上述卷积神经网络包括隐藏层；隐藏层基于梯度下降法构建；卷积神经网络包括多个过滤窗口；上述将数字序列形式的待本文档来自技高网...

【技术保护点】
1.一种乐谱处理方法，其特征在于，包括：/n获取待处理乐谱；/n通过预先训练完成的卷积神经网络，提取所述待处理乐谱的乐谱向量；/n将所述乐谱向量记录在预设的区块链系统。/n

【技术特征摘要】
1.一种乐谱处理方法，其特征在于，包括：
获取待处理乐谱；
通过预先训练完成的卷积神经网络，提取所述待处理乐谱的乐谱向量；
将所述乐谱向量记录在预设的区块链系统。


2.根据权利要求1所述的方法，其特征在于，通过预先训练完成的卷积神经网络，提取所述待处理乐谱的乐谱向量的步骤，包括：
如果所述待处理乐谱的表示形式为五线谱序列，将所述待处理乐谱的表示形式转化为数字序列；
将数字序列形式的所述待处理乐谱输入至预先训练完成的卷积神经网络中，输出所述待处理乐谱的乐谱向量。


3.根据权利要求2所述的方法，其特征在于，所述卷积神经网络包括隐藏层；所述隐藏层基于梯度下降法构建；所述卷积神经网络包括多个过滤窗口；
将数字序列形式的所述待处理乐谱输入至预先训练完成的卷积神经网络中，输出所述待处理乐谱的乐谱向量的步骤，包括：
将数字序列形式的所述待处理乐谱输入至所述隐藏层，输出所述待处理乐谱对应的特征向量；
将所述特征向量输入至所述卷积神经网络，所述卷积神经网络输出所述特征向量对应的结果向量；所述结果向量的数量与所述过滤窗口的数量相同；
基于softmax函数计算每一个所述结果向量的比重，基于所述比重确定所述待处理乐谱对应的乐谱向量。


4.根据权利要求3所述的方法，其特征在于，基于所述比重确定所述待处理乐谱对应的乐谱向量的步骤，包括：
按照所述比重由大到小的顺序对所述结果向量进行排序，得到排序结果；
从所述排序结果的第一个所述结果向量开始，选择指定数量的所...

【专利技术属性】
技术研发人员：徐磊，袁力，邸烁，狄培，
申请(专利权)人：北京阿尔山区块链联盟科技有限公司，
类型：发明
国别省市：北京;11