Incorporando conhecimento de contexto via pós-processamento de algoritmos de transcrição automática de acordes musicais.

• Ano de defesa: 2015
• Autor(a) principal: CUNHA, Uiraquitan Sidney Gouveia Carneiro da
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: UFPE; Brasil
• Palavras-chave em Português: Redes neurais; Reconhecimento de padrões; Teoria musical; Análise harmônica
• Link de acesso: https://repositorio.ufpe.br/handle/123456789/14223

Dentro da área de pesquisa chamada de Music Information Retrieval (MIR, ou Recuperação de Informações Musicais), uma tarefa que vem recebendo bastante atenção é a que tenta realizar a transcrição automática dos acordes musicais. Na prática, esta tarefa se traduz no desenvolvimento de softwares capazes de analisar arquivos de canções (MP3, WAV, etc.) e extrair deles as suas grades de acordes. A tarefa é complexa e envolve várias subtarefas, algumas delas com propostas de soluções bem fundamentadas e relativamente bem sucedidas no estado da arte. Para atuar na execução desta tarefa, as propostas de soluções em estado da arte não têm considerado algumas informações musicais relevantes. Entre elas, podemos citar as sequências recorrentes ou típicas de acordes comumente encontradas na música ocidental (IIm-V-I, I-IVm-IIm-V7, etc.), e a presença de estruturas cíclicas como refrães e estrofes. O conhecimento destas informações de caráter preditivo poderia facilitar a execução da tarefa de transcrição de acordes na medida em que ajudaria a prevê-los. No entanto, a utilização de informação preditiva nesta tarefa de classificação envolve diversas incertezas. Nesta tese, a questão de pesquisa central a ser respondida é se o conhecimento e uso deste tipo de informação musical preditiva pode melhorar, de fato, o desempenho de um processo de transcrição de acordes. Para tanto, também seria preciso propor um meio de como adquirir este tipo de conhecimento e de como incorporá-lo na transcrição. A resposta a estes últimos pontos baseou-se em um caminho agregador capaz de aproveitar os resultados das melhores propostas de soluções, pós-processando seus resultados para melhorá-los com o uso de informação preditiva. Nos testes realizados, através do uso de uma rede neural do tipo MLP devidamente treinada, foi demonstrado que é possível incorporar o conhecimento relacionado com este tipo de informação musical preditiva para melhorar o desempenho dos sistemas de transcrição de acordes. Nossa proposta indica que estas informações musicais, de fato, são relevantes e podem melhorar a transcrição de acordes.