Přístupnostní navigace
E-application
Search Search Close
Bachelor's Thesis
Author of thesis: Bc. Filip Hladík
Acad. year: 2025/2026
Supervisor: Ing. Martin Kišš
Reviewer: Ing. Daniel Bambušek
This thesis addresses optical music recognition of historical music prints with a limited amount of manually annotated data and verifies whether self-training can adapt the model without extensive manual annotation. The implemented model is based on a Transformer encoder-decoder architecture. A metric combining the consistency of forward and reverse decoding with a penalty for structural errors is proposed for pseudo-label selection. Self-training reduced the error rate on the target domain from 12.29 % to 3.87 % SER, an absolute reduction of 8.42 percentage points, without degrading performance on source datasets. The key finding is that what primarily matters for self-training is the quality of pseudo-labels, not their quantity.
optical music recognition, OMR, self-training, pseudo-labeling, deep learning, neural networks, Transformer, encoder-decoder, LMX, historical music prints
Date of defence
16.06.2026
Result of the defence
Defended (thesis was successfully defended)
Grading
B
Process of 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 B.
Topics for thesis defence
Language of thesis
Czech
Faculty
Fakulta informačních technologií
Department
Department of Computer Graphics and Multimedia
Study programme
Information Technology (BIT)
Composition of Committee
doc. Ing. Lukáš Burget, Ph.D. (předseda) doc. Mgr. Adam Rogalewicz, Ph.D. (místopředseda) Ing. Libor Polčák, Ph.D. (člen) Ing. Michal Hradiš, Ph.D. (člen) Ing. Martin Žádník, Ph.D. (člen)
Supervisor’s reportIng. Martin Kišš
Student ve své práci experimentálně ověřil možnosti semi-supervised učení Transformer modelů pro rozpoznávání notových zápisů z historických dokumentů. Student si obstaral datové sady pro experimenty, anotoval testovací sadu cílové domény historických dokumentů, vyhodnotil filtrovací metriky a natrénováním modelů zjišťoval možnosti semi-supervised učení. Vyhodnocení filtrovacích metrik přináší a semi-supervised trénování dle mého názoru zajímavé výsledky, avšak bylo by vhodné ještě dodělat některé experimenty.
V rámci bakalářské práce se jedná o náročnější zadání, které využívá state-of-the-art modely pro rozpoznávání notových zápisů na bázi modelu Transformer. Práce měla za cíl experimentálně ověřit možnosti těchto modelů při semi-supervised trénování s anotovanými i neanotovanými řádky notových zápisů z historických dokumentů, konkrétně s použitím metody pseudo-labeling a filtrováním řádků s nejistým přepisem.
Student anotoval část cílových neanotovaných dat pro testování, v rámci experimentů vyhodnotil několik metrik pro filtrování strojových přepisů notových zápisů, natrénoval několik modelů na existujících datových sadách a následně na datech z historických dokumentů. Student také implementoval a vyhodnotil několik metod trénování modelů pro zlepšení rozpoznávání notových zápisů a provedl analýzu chybovosti modelů.
Student byl při hledání literatury aktivní a našel si vhodnou literaturu.
V zimním semestru byla četnost konzultací průměrná, v letním semestru byla četnost konzultací nadprůměrná a aktivita znatelně vyšší. Student byl při konzultacích aktivní a byl na ně dostatečně připraven.
Práce byla dokončována s minimálním předstihem. Finální verze práce byla konzultována.
Výsledky získané v rámci této bakalářské práce by mohly mít publikační potenciál, avšak bylo by nejspíše potřeba ještě vyhodnotit dodatečné experimenty týkající se odhadování kvality přepisu a semi-supervised trénování.
Grade proposed by supervisor: B
Reviewer’s reportIng. Daniel Bambušek
Pan Hladík vytvořil funkční řešení pro rozpoznávání pianoformních notových zápisů, jehož výsledky demonstroval v provedených experimentech. Ty podpořil kvalitně sepsanou technickou zprávou. S ohledem na náročnost tématu lze hodnotit výslednou práci jako velmi dobrou.
Evaluation level: more difficult assignment
Zadání vyžaduje ovládnutí postupů a učiva neuronových sítí, které jsou nad rámec bakalářského studia. Ve srovnání s rozpoznáváním klasického textu je úloha rozpoznávání notových zápisů navíc značně obtížnější, zejména kvůli nutnosti interpretovat nejen jednotlivé grafické symboly, ale také jejich prostorové vztahy, hudební kontext a sémantiku.
Text práce je přehledný, dodržuje logickou strukturu, neobsahuje zbytečnou vatu a dobře se čte. Zásadní problém je v nejasném vysvětlení vlastní implementace a vymezení autorského přínosu vůči projektu PERO, ze kterého práce vychází a jehož existující model pravděpodobně využívá. Z textu není jasné, co a do jaké míry bylo převzato, co a jak autor modifikoval a co je jeho vlastní implementace. Z hlediska prezentační úrovně by čtenáři místo seznamu obrázků prospěl daleko více seznam zkratek, kterých je v textu větší množství.
Text práce je z typografického a jazykového hlediska nadstandardní a prakticky nemám co vytknout.
Autor vytvořil funkční řešení pro rozpoznávání pianoformních notových výřezů s výstupem ve formátu LMX. Připravil vlastní datovou kolekci historických notových zápisů z digitální knihovny Kramerius, využil existující model vycházející z projektu PERO a implementoval sadu podpůrných skriptů pro self-training, přípravu dat, metrik a vizualizací. Provedené experimenty dobře ukazují přínos reverzní augmentace, selektivního výběru pseudo-anotací a dalších iterací self-trainingu, což se promítlo do výrazně nižší chybovosti na datech Kramerius. V odevzdaných souborech chybí zdrojové kódy použitého modelu, což může být pochopitelné, pokud implementace pochází z neveřejného projektu PERO. V přiloženém readme a technické zprávě to ale mělo být jasně popsáno.
Dosažené výsledky mohou sloužit jako dobrý základ pro další rozvoj a integraci do komplexního řešení pro rozpoznávání celých partitur.
Evaluation level: assignment fulfilled
Evaluation level: is within the usual extent
Autor cituje 26 zdrojů, z nichž je naprostá většina relevantních a nových vědeckých prací k řešenému tématu z kvalitních fór a periodik.
Grade proposed by reviewer: B
Responsibility: Mgr. et Mgr. Hana Odstrčilová