بازشناسی آکورد
بازشناسی آکورد، وظیفه شناسایی خودکار آکوردهای هارمونیک موجود در یک ضبط موسیقی و تخمین زمان وقوع تغییرات آکورد است. این مفهوم که به طور رسمی توسط Harte و همکاران (2005) معرفی شد، سنگ بنای تحلیل موسیقی است و در آموزش موسیقی، تحلیل آهنگهای کاور و درک ساختار موسیقی کاربرد فراوانی دارد. سیستمهای مدرن از یادگیری عمیق برای طبقهبندی و توالییابی آکوردها در زمان واقعی استفاده میکنند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
نقشهٔ روش
همسایگی روشهای مرتبط — برای کاوش، یک گره را برگزینید.
منابع
- Harte, C., Sandler, M. B., Abdallah, S. A., & Gómez, E. (2005). Symbolic representation of musical chords: Proposed extensions to the HarmO ontology. In Proceedings of the International Society for Music Information Retrieval Conference. link ↗
- MacGregor, R. D., & Wiggins, G. A. (2009). Chord recognition using duration-explicit hidden Markov models. In Proceedings of the International Society for Music Information Retrieval Conference. link ↗
- Bigo, L., Buffa, A., & Roeb, M. (2017). Singing voice separation using spectral features and bidirectional long short-term memory networks. In Proceedings of the International Society for Music Information Retrieval Conference. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Chord Recognition and Estimation Algorithm. ScholarGate. https://scholargate.app/fa/music-information-retrieval/chord-recognition
کدام روش؟
این روش را در کنار نزدیکترین روشهای خویشاوندش بگذارید و آنها را کنار هم بخوانید — کتابخانه کتابها را روی میز میگشاید؛ انتخاب با شماست.
- تحلیل هارمونیک در موسیقیبازیابی اطلاعات موسیقی↔ مقایسه
- استخراج ملودیبازیابی اطلاعات موسیقی↔ مقایسه
- طبقهبندی ژانr موسیقیبازیابی اطلاعات موسیقی↔ مقایسه
- بخشبندی موسیقیبازیابی اطلاعات موسیقی↔ مقایسه
- الگوریتم تشخیص زیروبمیبازیابی اطلاعات موسیقی↔ مقایسه
ارجاعشده در
Similar methods
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →