Omr Transformer

🚀 光学楽譜認識トランスフォーマー

光学楽譜認識のための画像からテキストへのモデルです。このモデルは、与えられた画像からLilyPond形式の単純な音符を予測するように学習されています。トレーニングデータは、人工的な画像、手書きの画像、ホワイトボードの画像から構成されています。モデル自体はDonutに基づいています。

🚀 クイックスタート

この光学楽譜認識トランスフォーマーは、画像から楽譜のテキストを生成するために使用できます。以下に具体的なデモを示します。

デモ

予測結果: c'2 a''8 c''8 r4 c'1 e'8 c'8 c'8 a''8 f'4 a'8 c'8

予測結果: d'8 g'8 c''8 a'8 d'2 c'8 f''8 d'4 c''4 e'8 r8 g'8 b'8 e'8 g'8 d'2

予測結果: g'4 c'4 r8 f''8 e'8 d'8 r8 c'4 c'2 a'2 b'4 r4 a'8 r8 r4

リポジトリ: https://github.com/UHHRobotics22-23/robot_project/tree/main/marimbabot_vision

📄 ライセンス

このプロジェクトはApache-2.0ライセンスの下で提供されています。