Έργο MAML
Το έργο MAML περιγράφει μια αποτελεσματική μέθοδο αναγνώρισης νευμάτων σήμανσης νοτών από μια συνεχή ακολουθία κινήσεων με στόχο την αξιολόγηση της διδασκαλίας της βυζαντινής μουσικής. Η προτεινόμενη μέθοδος αποτελείται από τρεις φάσεις εφαρμογής: Τον κατακερματισμό της χειρονομίας σε νεύματα νότας Την αναγνώριση των νευμάτων με τη βοήθεια της συγχρονισμένης ηχογράφησης Περισσότερα…
Το έργο MAML επικεντρώνεται στην αναγνώριση διτροπικής εισόδου, αξιοποιώντας εξαγόμενα χαρακτηριστικά τόσο από οπτική (βίντεο βάθους) όσο και από ηχητική πληροφορία. Η εγγραφή του ήχου και του βίντεο βάθους πραγματοποιήθηκε με τη συμμετοχή ως ειδήμονα του καθηγητή βυζαντινής μουσικής κ. Γεωργίου Πατρώνα και ενός μαθητή του. Οι εκτελέσεις έλαβαν χώρα Περισσότερα…
Τα πλαίσια του βίντεο βάθους, δηλαδή τα ακατέργαστα δεδομένα της Kinect ΙΙ, χρησιμοποιήθηκαν για την εξαγωγή των χαρακτηριστικών χειρονομίας χρησιμοποιώντας τη βιβλιοθήκη ALGLIB SDK. Εφαρμόστηκαν αλγόριθμοι μηχανικής μάθησης σε δύο σύνολα δεδομένων: Το πρώτο σύνολο στοιχείων περιελάμβανε καταγεγραμμένα καρέ από επιλεγμένες εκτελέσεις διαφόρων ύμνων από τον εκπαιδευτικό και χρησιμοποιήθηκαν για Περισσότερα…
Για την εκπαίδευση του έμπειριυ συστήματος στην αναγνώριση των νευμάτων νότας, αξιοποιήθηκε ο αλγόριθμος Random Decision Forests – RDF (Τυχαία Δάση Απόφασης). Κατά την εκπαίδευση του συστήματος, ο αλγόριθμος RDF κάνει χρήση πολλαπλών αλγορίθμων εκμάθησης στοχεύοντας στην υλοποίηση προγνωστικού συμπερασμού (inference) μέσω της δόμησης πολλαπλών decision trees (δέντρων απόφασης). Προϊόν Περισσότερα…
Με στόχο την ταχύτερη και ευκολότερη παρακολούθηση των αποτελεσμάτων αξιολόγησης, επιλέχθηκε ένα σύνολο οπτικών απεικονίσεων εμπνευσμένων από το παράδειγμα του οδικού φωτεινού σηματοδότη. Η βαθμολογία του μαθητή, πέρα από την τυπική αριθμητική μορφή της, εμφανίζεται ως πράσινη, κίτρινη ή κόκκινη φωτεινή ένδειξη ώστε να μεταδίδει άμεσα στον μαθητή το ενδεχόμενο Περισσότερα…
Το σύστημα MAML αποσκοπεί στην ανάπτυξη μιας μεθοδολογίας αξιολόγησης δεξιοτήτων εκτέλεσης Βυζαντινών ύμνων αξιοποιώντας πολυτροπικά δεδομένα. Για την αξιολόγηση της εγκυρότητας και της αξιοπιστίας της μεθοδολογίας έγιναν δοκιμές σε πραγματικές συνθήκες επιτυγχάνοντας μηχανική βαθμολόγηση του μαθητή σε υψηλή συνάφεια με αυτή ενός ανθρώπου (ειδήμονα) και με σχετικά μικρή απόκλιση από Περισσότερα…