but.committee	prof. Dr. Ing. Jan Černocký (předseda) doc. Ing. Martin Čadík, Ph.D. (místopředseda) Ing. David Bařina, Ph.D. (člen) Ing. František Grézl, Ph.D. (člen) prof. Ing. Jan Holub, Ph.D. (člen) Ing. Zbyněk Křivka, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm výborně. Otázky u obhajoby: Daly by se některé z popisovaných technik použít pro polyfonní ladičky hudebních nástrojů? Jak?	cs
but.jazyk	angličtina (English)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Černocký, Jan	en
dc.contributor.author	Klčo, Michal	en
dc.contributor.referee	Glembek, Ondřej	en
dc.date.created	2018	cs
dc.description.abstract	Automatický přepis hudby a odhad vícero znějících tónu jsou stále výzvou v oblasti dolování informací z hudby. Moderní systémy jsou založeny na různých technikách strojového učení pro dosažení co nejpřesnějšího přepisu hudby. Některé z nich jsou také omezeny na konkrétní hudební nástroj nebo hudební žánr, aby se snížila rozmanitost analyzovaného zvuku. V této práci je navrženo, vyhodnoceno a porovnáváno několik systémů pro konverzi nahrávek elektrické kytary do MIDI souború, založených na různých technikách strojového učení a technikách spektrální analýzy.	en
dc.description.abstract	Automatic music transcription and multi-pitch estimation are still challenging tasks in the field of music information retrieval. The recent state of the art systems incorporate different machine learning techniques to achieve the most accurate transcription of notes. Some of them are also limited to a specific music instrument or a music genre to reduce the diversity of the analyzed sound. In this work, multiple systems for conversion of electric guitar recordings to the MIDI files, based on different machine learning and spectral analysis techniques, are proposed, evaluated and compared.	cs
dc.description.mark	A	cs
dc.identifier.citation	KLČO, M. Electric Guitar to MIDI Conversion [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2018.	cs
dc.identifier.other	114702	cs
dc.identifier.uri	http://hdl.handle.net/11012/84874
dc.language.iso	en	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	automatický přepis hudby	en
dc.subject	dolování informací z hudby	en
dc.subject	strojové učení	en
dc.subject	neuronové sítě	en
dc.subject	PLCA	en
dc.subject	elektrická kytara	en
dc.subject	automatic music transcription	cs
dc.subject	music information retrieval	cs
dc.subject	machine learning	cs
dc.subject	neural networks	cs
dc.subject	PLCA	cs
dc.subject	electric guitar	cs
dc.title	Electric Guitar to MIDI Conversion	en
dc.title.alternative	Electric Guitar to MIDI Conversion	cs
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2018-06-19	cs
dcterms.modified	2020-05-10-16:13:17	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	114702	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.26 15:26:20	en
sync.item.modts	2025.01.17 12:15:05	en
thesis.discipline	Počítačová grafika a multimédia	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Electric Guitar to MIDI Conversion

Files

Original bundle

Collections