Scribd Logo
Importer

Bienvenue sur Scribd !

  • 9 vues

    Projet Deep Learning-4

    Transféré par

    Moulaye muhammad

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    Projet Deep Learning-4

    Transféré par

    Moulaye muhammad
    9 vues19 pages

    Titre original

    Projet_Deep_Learning-4

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    9 vues19 pages

    Projet Deep Learning-4

    Transféré par

    Moulaye muhammad

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    Vous êtes sur la page 1sur 19

    Classification et Reconnaissance des Notes de Musique

    Traditionnelle Mauritanienne

    22068 - Ahmed Bezeid Ahmed Abd El Aziz – 22281 - Moulaye Ahmed Mohamed
    BRAHIM – 22092 -Zeinebou Taki

    École Supérieur Polytechnique

    Projet basé sur un modèle LSTM

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 1 / 19


    Plan

    1 Introduction

    2 Problématique

    3 Contexte

    4 Méthodologie

    5 Résultats

    6 Conclusion

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 2 / 19


    Introduction

    Plan

    1 Introduction

    2 Problématique

    3 Contexte

    4 Méthodologie

    5 Résultats

    6 Conclusion

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 3 / 19


    Introduction

    Introduction

    La musique traditionnelle mauritanienne est un trésor culturel riche et diversifié.


    Notre projet s’attache à explorer et à valoriser cette musique en utilisant des
    technologies de pointe telles que le modèle LSTM et CNN.

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 4 / 19


    Problématique

    Plan

    1 Introduction

    2 Problématique

    3 Contexte

    4 Méthodologie

    5 Résultats

    6 Conclusion

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 5 / 19


    Problématique

    Problématique de la Classification des Maqamat

    Problématique:
    La classification et la reconnaissance des maqamat sont des tâches complexes
    nécessitant une expertise approfondie.
    Il n’existe pas de méthode automatisée efficace pour cette classification, ce
    qui limite l’analyse et la compréhension précises de la musique mauritanienne.
    Objectif:
    Notre objectif principal est de développer un modèle de deep learning basé
    sur un LSTM capable de recevoir des enregistrements audio de musique
    traditionnelle mauritanienne contenant des notes de tidinit, et de les classifier
    avec précision en fonction de leur maqam. En fournissant un outil automatisé
    pour analyser la musique basée sur les maqamat, nous visons à faciliter la
    compréhension et l’étude de ce patrimoine musical riche et complexe.

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 6 / 19


    Contexte

    Plan

    1 Introduction

    2 Problématique

    3 Contexte

    4 Méthodologie

    5 Résultats

    6 Conclusion

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 7 / 19


    Contexte

    Tidinit
    Au cœur de la musique mauritanienne se trouve l’instrument emblématique
    ”tidinit”, qui joue un rôle central dans la création de mélodies.

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 8 / 19


    Contexte

    ardin
    L’ardı̂n est un instrument de musique à cordes d’Afrique de l’Ouest. C’est une
    harpe comportant un nombre variable de cordes (de 9 à 14), construite à partir
    d’une calebasse, utilisée par les griottes mauritaniennes

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 9 / 19


    Contexte

    Maqamat de la Musique Traditionnelle Mauritanienne

    Définition d’un Maqam:


    Un maqam est un mode musical utilisé pour structurer et organiser les
    mélodies dans la musique traditionnelle mauritanienne. Chaque maqam a ses
    propres caractéristiques et est utilisé pour évoquer des émotions spécifiques.
    les Maqamat d’AZAWAN:
    Karr
    Vaghou
    Lkhall.
    Lbyad
    Lebteyt

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 10 / 19


    Contexte

    Maqamat

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 11 / 19


    Contexte

    Biyaadh Louden

    Le terme (Biyaadh Louden) représente l’appréciation et la passion intenses que les


    Mauritaniens ressentent pour leur musique traditionnelle. Cet amour pour la
    musique est si fort qu’ils sont prêts à défendre et à préserver ces mélodies avec
    une dévotion totalee. Le (Biyaadh Louden) illustre cette relation sacrée entre les
    Mauritaniens et leur héritage musical.

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 12 / 19


    Méthodologie

    Plan

    1 Introduction

    2 Problématique

    3 Contexte

    4 Méthodologie

    5 Résultats

    6 Conclusion

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 13 / 19


    Méthodologie

    Méthodologie

    Extraction des Caractéristiques Audio:


    Les caractéristiques audio des fichiers musicaux sont extraites à l’aide de la
    bibliothèque Librosa. Cela inclut des paramètres tels que le taux de franchissement
    de zéro, les harmoniques, les percussions, les coefficients MFCC, etc.
    Prétraitement des Données:
    Les enregistrements audio sont prétraités pour garantir une qualité et une
    cohérence optimales des données. Cela peut inclure des étapes telles que le
    chargement des fichiers audio, la normalisation des données, la segmentation en
    segments de taille fixe, etc.
    Entraı̂nement du Modèle LSTM:
    Un modèle LSTM (Long Short-Term Memory) est utilisé pour apprendre à
    reconnaı̂tre et classifier les maqamat des enregistrements musicaux. Les
    caractéristiques extraites précédemment sont utilisées comme entrées pour le
    modèle, qui est entraı̂né sur un ensemble de données étiquetées pour prédire les
    maqamat correspondants.

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 14 / 19


    Résultats

    Plan

    1 Introduction

    2 Problématique

    3 Contexte

    4 Méthodologie

    5 Résultats

    6 Conclusion

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 15 / 19


    Résultats

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 16 / 19


    Conclusion

    Plan

    1 Introduction

    2 Problématique

    3 Contexte

    4 Méthodologie

    5 Résultats

    6 Conclusion

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 17 / 19


    Conclusion

    La passion des Mauritaniens pour leur musique traditionnelle, symbolisée par


    ”Biyaadh Louden”, illustre un lien profond avec leur héritage musical. La
    problématique de la classification des Maqamat souligne le besoin de méthodes
    précises pour reconnaı̂tre les notes musicales. En utilisant un modèle LSTM, le
    projet vise à classifier les enregistrements musicaux mauritaniens de manière
    automatisée. Les résultats obtenus démontrent des avancées significatives dans la
    reconnaissance des Maqamat, offrant un outil précis pour analyser la musique
    traditionnelle mauritanienne. Cette approche innovante ouvre de nouvelles
    perspectives pour la préservation et la diffusion de ce patrimoine musical unique.

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 18 / 19


    Conclusion

    Merci Pour Votre Attention

    22068 22281 22092 (ESP) SID47-Machine Learning Exposé, 2024 19 / 19

    Vous aimerez peut-être aussi