La transcripción automática de música en entornos multiinstrumentales sigue siendo una tarea altamente desafiante debido a la superposición de armónicos y timbres diversos. Para abordar esto, proponemos la Red de Fusión de Periodicidad-Frecuencia (PF2N), un componente ligero y modular que mejora el rendimiento de la transcripción al integrar representaciones tanto espectrales como de dominio de periodicidad. Inspirado en métodos tradicionales de frecuencia y periodicidad combinadas (CFP), el PF2N reformula CFP como un módulo neuronal que aprende conjuntamente características correlacionadas armónicamente a través de los dominios de frecuencia y cepstral. A diferencia de alineaciones hechas a mano en enfoques clásicos, el PF2N realiza una fusión basada en datos utilizando un extractor de características conjunto aprendible. Experimentos extensos en tres conjuntos de datos de referencia (Slakh2100, MusicNet y MAESTRO) demuestran que el PF2N mejora consistentemente la precisión de la transcripción cuando se incorpora en modelos de vanguardia. Los resultados confirman la efectividad y adaptabilidad del PF2N, destacando su potencial como una mejora de propósito general para sistemas de AMT multiinstrumentales.