000101300 001__ 101300
000101300 005__ 20210415110711.0
000101300 037__ $$aTAZ-TFM-2021-039
000101300 041__ $$aspa
000101300 1001_ $$aZay Pinilla, Ignacio
000101300 24200 $$aComparative study of automatic score transcription systems using audio separation
000101300 24500 $$aEstudio comparativo de sistemas de transcripción automática de partituras mediante separación de fuentes de audio
000101300 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2021
000101300 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000101300 520__ $$aEste trabajo se enmarca en las técnicas de obtención de una partitura musical a partir del su grabación original. El objetivo del presente trabajo es estudiar y evaluar técnicas basadas en redes neuronales profundas (Deep Learning) que permiten realizar, por un lado, la separación de fuentes y posteriormente identificar las notas musicales de cada instrumento musical.<br /><br />
000101300 521__ $$aMáster Universitario en Ingeniería de Telecomunicación
000101300 540__ $$aDerechos regulados por licencia Creative Commons
000101300 700__ $$aBeltrán Blázquez, José Ramón$$edir.
000101300 700__ $$aHernández Oliván, Carlos$$edir.
000101300 7102_ $$aUniversidad de Zaragoza$$bIngeniería Electrónica y Comunicaciones$$cTecnología Electrónica
000101300 8560_ $$f628123@unizar.es
000101300 8564_ $$s3529408$$uhttps://zaguan.unizar.es/record/101300/files/TAZ-TFM-2021-039.pdf$$yMemoria (spa)
000101300 909CO $$ooai:zaguan.unizar.es:101300$$pdriver$$ptrabajos-fin-master
000101300 950__ $$a
000101300 951__ $$adeposita:2021-04-15
000101300 980__ $$aTAZ$$bTFM$$cEINA
000101300 999__ $$a20210120175724.CREATION_DATE