| 作品介紹 |
和弦辨識是所有吉他手的夢想，但是在目前，吉他學習與程式相互結合的應用真的少之又少。此作品不僅是解決我們在生活中所遇到的問題，更是一款業界首創、絕無僅有的自學吉他利器，造福所有想學吉他的人。此方法是學術上首次透過手指關節點資訊來辨識和弦的技術，在10種和弦的辨識上約達到97%的準確率，且達到即時偵測的效果。
我們首先希望透過此開發技術，造福所有想學吉他的人士，迅速掌握按壓和弦的技巧；此方法是學術上首次透過萃取手指關節點資訊來進行模型訓練，辨識吉他和弦的技術，再透過我們對吉他和弦的形狀研究，發展出一套合適的分類規則，在10種和弦的辨識上約達到97%的準確率，且能達到即時的效果。
我們試著從模擬一位吉他手都是怎麼從眼睛分辨和弦的角度出發，並且認為成功辨認和弦的關鍵在於五根手指之間的相對位置與距離，也可以說想成是五根手指所展開的形狀，所以我們才會想要使用Mediapipe將手指關節點的資訊萃取出來並作為神經網路模型的輸入。
另外，以手指關節點作為神經網路模型的輸入相較於CNN的作法，優勢在於16個關節點座標遠小於一張圖片的大小，所以模型的參數可以減小許多，也就是說，我們用了較小的模型就能達到較高的準確率，使得這項技術更容易能夠被業界所應用。
我們的技術在科學上的主要貢獻有以下幾點：
1. 首款吉他和弦自學神器，大量降低學習成本與時間。
2. 首次使用手指關節點來辨識吉他和弦的指型。
3. 首次加入考量和弦指型的形狀來分類和弦，提高準確率。
4. 我們的模型不需要進一步對影像做前處理，而且神經網路非常的輕量，因此可以輕鬆地應用在現實生活中的各種行動裝置上。 |