[发明专利]乐谱处理方法、装置和电子设备

说明书

本发明提供了一种乐谱处理方法、装置和电子设备，该方法包括：获取待处理乐谱；通过预先训练完成的卷积神经网络，提取待处理乐谱的乐谱向量；将乐谱向量记录在预设的区块链系统。该方式中，通过预先训练完成的卷积神经网络，提取待处理乐谱的乐谱向量，并将乐谱向量记录在预设的区块链系统中。将每一首歌曲的乐谱都以乐谱向量的形式保存在区块链系统中，永久保存，不可更改，从而实现保护乐谱版权的目的。

技术领域

本发明涉及神经网络技术领域，尤其是涉及一种乐谱处理方法、装置和电子设备。

背景技术

音乐版权维护一直是当前社会热点问题。相关技术中，因为音乐的乐谱抄袭问题一直难以界定，所以对乐谱的维权难以进行，难以保护乐谱的版权。

发明内容

有鉴于此，本发明的目的在于提供一种乐谱处理方法、装置和电子设备，以保护乐谱的版权。

第一方面，本发明实施例提供了一种乐谱处理方法，包括：获取待处理乐谱；通过预先训练完成的卷积神经网络，提取待处理乐谱的乐谱向量；将乐谱向量记录在预设的区块链系统。

在本发明较佳的实施例中，上述通过预先训练完成的卷积神经网络，提取待处理乐谱的乐谱向量的步骤，包括：如果待处理乐谱的表示形式为五线谱序列，将待处理乐谱的表示形式转化为数字序列；将数字序列形式的待处理乐谱输入至预先训练完成的卷积神经网络中，输出待处理乐谱的乐谱向量。

在本发明较佳的实施例中，上述卷积神经网络包括隐藏层；隐藏层基于梯度下降法构建；卷积神经网络包括多个过滤窗口；上述将数字序列形式的待处理乐谱输入至预先训练完成的卷积神经网络中，输出待处理乐谱的乐谱向量的步骤，包括：将数字序列形式的待处理乐谱输入至隐藏层，输出待处理乐谱对应的特征向量；将特征向量输入至卷积神经网络，卷积神经网络输出特征向量对应的结果向量；结果向量的数量与过滤窗口的数量相同；基于softmax函数计算每一个结果向量的比重，基于比重确定待处理乐谱对应的乐谱向量。

在本发明较佳的实施例中，上述基于比重确定待处理乐谱对应的乐谱向量的步骤，包括：按照比重由大到小的顺序对结果向量进行排序，得到排序结果；从排序结果的第一个结果向量开始，选择指定数量的结果向量；将选择的结果向量拼接，得到待处理乐谱对应的乐谱向量。

在本发明较佳的实施例中，在保存乐谱向量的步骤之前，方法还包括：基于向量余弦相似度算法计算乐谱向量与已经保存的乐谱向量的相似度；如果相似度大于预设的相似度阈值，不保存乐谱向量；如果相似度不大于相似度阈值，保存乐谱向量。

在本发明较佳的实施例中，上述方法还包括：发送乐谱向量与已经保存的乐谱向量对应的相似度。

在本发明较佳的实施例中，上述方法还包括：发送乐谱向量在区块链系统的地址信息。

第二方面，本发明实施例还提供一种乐谱处理装置，包括：数字乐谱获取模块，用于获取待处理乐谱；乐谱向量输出模块，用于通过预先训练完成的卷积神经网络，提取待处理乐谱的乐谱向量；乐谱向量保存模块，用于将乐谱向量记录在预设的区块链系统。

第三方面，本发明实施例还提供一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述的乐谱处理方法的步骤。

第四方面，本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上述的乐谱处理方法的步骤。

本发明实施例带来了以下有益效果：

本发明实施例提供的一种乐谱处理方法、装置和电子设备，通过预先训练完成的卷积神经网络，提取待处理乐谱的乐谱向量，并将乐谱向量记录在预设的区块链系统中。将每一首歌曲的乐谱都以乐谱向量的形式保存在区块链系统中，永久保存，不可更改，从而实现保护乐谱版权的目的。