La extracción de la melodía vocal es una tarea importante y desafiante en la recuperación de información musical. Una de las principales dificultades es que, la mayor parte del tiempo, varios instrumentos y voces cantantes se mezclan de acuerdo con la estructura armónica, lo que dificulta identificar la frecuencia fundamental (F0) de una voz cantante. Por lo tanto, reducir la interferencia del acompañamiento es beneficioso para la estimación del tono de la voz cantante. En este artículo, primero adoptamos una red de alta resolución (HRNet) para separar las voces de la música polifónica, luego diseñamos una red codificador-decodificador para estimar los valores de F0 vocal. Los resultados de los experimentos demuestran la efectividad del método de separación de voces cantantes basado en HRNet en la reducción de la interferencia del acompañamiento en la extracción de la melodía vocal, y el sistema propuesto de extracción de melodía vocal (VME) supera a otros algoritmos de vanguardia en la mayoría de los casos.