Detektor řečové aktivity s pokročilými strukturami neuronových sítí
Voice Activity Detector based on Neural Networks with Advanced Structures
Type of document
diplomová prácemaster thesis
Author
David Machát
Supervisor
Pollák Petr
Opponent
Rajnoha Josef
Field of study
Komunikace a zpracování signáluStudy program
Otevřené elektronické systémyInstitutions assigning rank
katedra radioelektronikyRights
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Show full item recordAbstract
Tato diplomová práce se zabývá návrhem a realizací detektoru řečové aktivity za pomoci hlubokých neuronových sítí a konvolučních neuronových sítí. V teoretické části se práce zaměřuje na shrnutí základních poznatků z oblastí zpracování řečového signálu a strojového učení. Dále obsahuje přehled využití metod strojového učení v oblasti automatického rozpoznávání řeči. Experimentální část práce obsahuje návrh detektoru řečové aktivity za pomoci konvoluční neuronové sítě a jeho implementaci pomocí sady nástrojů Kaldi. Dále je zkoumán vliv změn parametrů sítě a vstupních dat na efektivitu detektoru. Na závěr je zkoumána funkčnost detektoru při práci s různými typy a úrovněmi šumu nad databázemi TIMIT a QUT-TIMIT. This thesis deals with the realization of voice activity detector based on deep neural networks and convolutional neural networks. Theoretical part focuses on general overview of speech processing and machine learning. There is also a survey of applications of machine learning in automatic speech recognition. Experimental part contains proposed voice activity detector based on convolutional neural networks and its implementation in Kaldi toolkit. Effect of changing network parameters and input data on the effectivity of the detector is examined. Effectivity of proposed detector is also evaluated based on data with various types and levels of noise from TIMIT and QUT-TIMIT databases.
Collections
- Diplomové práce - 13137 [250]