participants / team
國立臺灣大學前身為日治時期之「臺北帝國大學」（創立於日本昭和 3 年、西元 1928 年、民國 17 年）。當時首任校長為幣原坦總長；至民國 34 年（1945年）二次世界大戰結束，日本投降、臺灣光復，同年 11 月 15 日我政府完成接收臺北帝國大學，改制更名為「國立臺灣大學」，由羅宗洛博士任首任校長。
臺大目前已有 11 個學院，以及 3 個專業學院，共 56 個學系、112 個研究所、18 個碩博士學位學程。另設有 4 個國際級、6 個國家級及 51 個校級研究中心，是臺灣規模最大的綜合性大學。學生總人數現今已近 32,000 人，其中大學部 16,000 餘人，研究生 15,000 餘人，比例接近一比一，已經成功轉型為研究型大學。臺大培養出眾多學術界頂尖學者，包含臺灣第一位諾貝爾獎得主李遠哲博士，以及多位的正副元首、企業領導人，是臺灣最具影響力的學校。
MathWorks成立於1984年，致力於工程師與科學家所專用高科技運算分析軟體的開發研究，已在學界、業界奠定領導地位。以 MATLAB & Simulink 為平台，在數學、運算分析、人工智慧，深度/機器學習、預測性維護、控制、數位訊號和5G通訊領域提供了無數的解決方案。至今全球已有超過、百萬以上之客戶，包括：汽車、航太、電信與機器人、政府機構、電子、生化製藥、金融科技以及儀器量測…等產業。
成立於1998年9月，以提供創新、高效率的專業技術支援為經營理念，提供研發導向之專業軟體工具，服務於半導體、機器人/馬達控制、工具機、人工智慧開發、5G無線通訊、無人車自主系統、影像處理、量測、光電、生物科技與財務模型分析等領域之高科技研發人員、科學家與工程師。秉持對客戶的承諾，將不斷地追求創新，以豐富與精深的專業知識，提供客戶具前瞻性的解決方案與設計環境，從研發設計周期之分析、架構、模擬、驗證，乃至HDL驗證、硬體實現之完整解決方案。
請參賽者至AI CUP網站查詢：https://reurl.cc/nzeln1
因為與教育部的審查委員會延期，所以會晚一些公布最後成績，預定是在7/20那週公布，謝謝大家。
各位參賽者大家好，private leaderboard的成績公布了，恭喜各位得獎者。 根據競賽規則，「第四階段：參賽者必須在競賽截止的兩周內上傳報告說明文件，以茲證明無任何作弊或抄襲之可能，前九名的參賽者須提供程式碼，供主辦單位驗證。委員們將在此階段一一進行嚴格的文件審查。」。前九名的參賽者須提供程式碼給我們主辦方，請附上所需要的執行環境和使用說明，並且提供一個script能夠reproduce leaderboard的結果。 請將程式碼、說明、模型上傳到任意雲端，然後使用當初註冊aidea帳號的信箱將共用連結寄到eden.chien@mirlab.org， 標題：[AICup] 歌聲轉譜程式碼提交 – 隊名 一組有多名隊員的只需要寄一封即可，謝謝大家。
【提醒】 各位參賽者大家好，最後提醒大家記得要上傳說明文件，頁數約1至2頁，格式不拘，簡單說明一下使用的方法即可。上傳會在近期開放，謝謝大家。
各位參賽者大家好， 我們比賽的時程有做出更動， 「比賽截止」時間從6/12變更為6/22， 「公布結果並開放上傳報告」從6/15變更為6/25， 完整的時程可以參閱競賽頁面，謝謝大家。
Public set和Private set的baseline分別為： public: 0.1649962614739236 private: 0.1609562262103512 其中public set的數據為: COnPOff : 0.03474875899037167 COnP : 0.1598068015754683 COn : 0.3108121436528413
連結：https://reurl.cc/WdbNAy 裡面包含了這次的教學影片連結和範例程式碼，如果有問題也可以加入競賽討論區發問。
隨著時代的進展，聆聽音樂的方式已經從以往的 CD 轉移到各式各樣的音樂線上平台，如國外的 Spotify、Line Music，國內的 KKBOX、Friday Music 等。就 2016 年 IFPI 的報告指出，數位音樂的產值已經正式超過實體音樂產值，而實體音樂的產值正在連年下降中，顯示出趨勢正站在數位音樂這邊。
而數位音樂的發展帶動了許多相關的 AI 智能應用，包括原曲辨識、哼唱選歌、樂曲分類等，其中 Line Music、KKBOX 與 Spotify 都相繼成立機器學習或人工智慧部門，專門透過歌曲內容與使用者的聆聽習慣來分析使用者的音樂喜好，並且提供上述各種 AI 服務來讓使用者方便聆聽到自己喜歡的音樂，進而衍生出加值的空間。
如前所述，各式各樣的線上音樂平台正在積極的拓展各式各樣的 AI 音樂分析與應用，並成立屬於自己的機器學習或是人工智慧部門。Line Music 也即將在今年正式進駐台灣，顯示數位音樂的市場在經由科技、網路、以及社群平台的發展之後正在火速超越實體音樂的產值中。此類服務在機器學習的研究上可以分成兩個部分，一是針對使用者行為做推薦，另一則是針對歌曲的本質做推薦，在歌曲的本質上，許多基本的特性方法研究是一個必須的重點，如歌曲的主旋律、和弦、歌曲結構、曲風、節拍…等等的基本要素，這些基本要素構成了一首歌曲該如何被分類及推薦，因此熟悉這些音樂基本分析元素及機器學習之方法的人才在目前的音樂產業中是亟需被重點培養的。
競賽論壇：AI CUP - 歌聲轉譜競賽
全國各大專院校在學生（含研究生），業界亦可參加，但不列入敘獎排名。
敘獎對象須為報名時具中華民國各大專校院之在學生，敘獎時需檢附相關證明。
在「歌聲轉譜競賽」項目前九名的優勝隊伍將分別獲得競賽獎金：
| 名次 | 獎金 |
|---|---|
| 第一名 | 10 萬元 |
| 第二名 | 5 萬元 |
| 第三名 | 3.5 萬元 |
| 優等 | 1.5 萬元 |
| 佳作五名 | 各 1 萬元 |
本競賽「歌聲轉譜」係依據主辦單位所提供之語料集，並經由主辦單位聘僱之音樂領域專家所標註的結果，以 F1-measure 來評比各參賽隊伍的系統效能和名次，詳細辦法說明如下：
主辦單位會標註好 2000 首歌曲的資料，其中 1500 首為測試資料集，作為最終的評分使用，另 500 首則會在競賽途中釋放作為訓練集所用。資料內含有有原曲的音高（單位：Semitone），對應的 YouTube 連結及對應的音符（內含起始時間，結束時間及音高，單位為[毫秒、毫秒、Semitone]）。主要的比賽階段如下：
| 時間 | 事件 |
|---|---|
| 2020/03/05 | 開放報名及組隊，提供範例資料 |
| 2020/03/05-4/30 | 校園巡迴 |
| 2020/03/31 | 公布訓練資料 |
| 2020/06/01 | 報名及組隊截止 |
| 2020/06/02 | 公布測試集，開放上傳結果 |
2020/06/22 23:59:59 | 比賽截止 |
2020/06/25 | 公布系統分數，開始上傳報告 |
| 2020/06/29 23:59:59 | 上傳報告截止 |
| 2020/07/01 | 系統及報告評估 |
| 2020/07/10 | 成績公布（頒獎時間待公布） |
歌聲轉譜的部分，我們的評估標準取自 E. Molina 等人的論文[1]。具體的標準，包含三種指標的 F-measure，分別列舉如下：
其中，音高的容忍值為 ±0.5 semitone，即半個半音。考慮到我們所標記的答案，皆是整數音高，這代表只有唯一一個整數答案，可被判斷為正確。
另外，起始點的容忍值為 ±50ms，即 0.05 秒；至於結束點的容忍值，則定為 ±max(50ms, 0.2t)，其中 t 是對應的標準答案的音符時長。這代表結束點的容忍值必定不低於 0.05 秒。舉例而言，若某個正確答案的音符時長為 1.0 秒，則該音符的容忍值就會設為 ±0.2 秒。
根據這些容忍值，來計算各個項目的 F-measure：
$$\text{F-measure}=\frac{2*Precision*Recall}{Precision+Recall}$$
其中，假設標記的正確答案共包含 A 個音，而參賽者給出的答案則包含 B 個音，而在某個指標當中，滿足條件的共包含 C 個音，則該指標的 Precision 與 Recall 的計算方式如下：
$$Precision=\frac{C}{B}$$$$Recall=\frac{C}{A}$$
評估的結果會包含 3 個 F-measure 的分數，各自代表一個模型在某個指標上的表現。在此，較高的分數代表一個模型表現較好，反之亦然。最終的排名，會以這三個分數的加權平均進行比序。三個指標中，COn 佔 20%，COnP 佔 60%，COnPOff 佔 20%。
此外，用以計算這三種指標的程式，使用的是 python 語言，且呼叫的是 mir_eval [2] 的函式 mir_eval.transcription.evaluate。一切評估結果將以此為準。
Reference：
[1]Molina, A. M. Barbancho-Perez, L. J. Tardón, I. Barbancho-Perez: “Evaluation framework for automatic singing transcription,” in Proceedings of the 15th International Society for Music Information Retrieval Conference(ISMIR 2014), pp.567-572, 2014.
[2]C. Raffel, B. McFee, E. J. Humphrey, J. Salamon, O. Nieto, D. Liang, and D. P. W. Ellis: “mir_eval: A Transparent Implementation of Common MIR Metrics,” in Proceedings of the 15th International Conference on Music Information Retrieval (ISMIR 2014), 2014.
