Browsing by Author "Kounovský, Tomáš"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
- ItemAutomatické opravy skenovaných historických textů s využitím pravděpodobnostních modelů(Technická Univerzita v Liberci, 2014) Kounovský, Tomáš; Nouza, JanTato práce se zabývá problematikou využití OCR pro digitalizaci historických textů, konkrétně plně automatickými post-OCR opravami chyb. Práce se zaměřuje hlavně na využití pravděpodobnostních metod, jako jsou statistiky znakových záměn a pravděpodobnostní jazykové modely. Cílem této práce je vytvoření a zhodnocení postupů a nástrojů, jenž umožní co nejspolehlivěji snížit procento neslovných chyb způsobených digitalizací ročníků 1945 až 1983 deníku Rudé Právo. Výsledkem práce jsou dva systémy, pomocí nichž byly provedeny automatické opravy na výše zmíněných textových dokumentech. První z nich, založen na výpočtu pravděpodobnosti, zvládá opravit až 6,97 % vstupních chyb při spolehlivosti oprav až 83 %. Druhý systém, využívající algoritmus založený na vlastní skórovací metodě, zvládá opravit až 5,7 % vstupních chyb při spolehlivosti oprav až 92 %.
- ItemRECURSIVE AND PARTIALLY SUPERVISED ALGORITHMS FOR SPEECH ENHANCEMENT ON THE BASIS OF INDEPENDENT VECTOR EXTRACTION(IEEE, 345 E 47TH ST, NEW YORK, NY 10017 USA, 2018) Kounovský, Tomáš; Koldovský, Zbyněk; Čmejla, JaroslavThis paper introduces a recursive variant of the recently proposed independent vector extraction algorithm suitable for on-line blind source separation. Two partially supervised variants are proposed and tested. Both variants exploit known direction of arrival (DOA) of the source of interest (SOI). The first variant uses a pre-separated output of a DOA-steered MPDR beamformer as a pilot component to ensure the extraction of the SOI. In the second variant, a geometrical constraint is imposed to ensure that the separating vector does not stray too far from the assumed direction of the SOI. Experiments using simulated and real-world recordings are demonstrated. Both supervised variants show improvements compared to the unsupervised algorithm in terms of convergence stability and separation accuracy.
- ItemZlepšování řečových nahrávek pořízených v reálném prostředí(Technická Univerzita v Liberci, 2016) Kounovský, Tomáš; Málek, JiříTato práce se zabývá problematikou zlepšování řečových nahrávek reálného charakteru odstraněním nežádoucího šumu v logaritmické výkonové spektrální oblasti pomocí hlubokých neuronových sítí. Velká databáze čistých řečových nahrávek je aditivně degradována několika druhy šumu na různých úrovních SNR a slouží jako trénovací sada pro dopřednou hlubokou neuronovou síť. Dvě sítě jsou natrénovány na odlišně sestavených trénovacích sadách tak, aby se naučily vztah mezi zašuměnou a čistou řečí. Jejich schopnosti odstranění šumu z nahrávek jsou otestovány ve známých i neznámých šumových podmínkách a porovnány s některými konvenčními metodami. Sítě jsou otestovány i v neznámých řečových podmínkách pomocí malé testovací databáze české řeči. Výsledky ukazují, že síť natrénovaná na databázi obsahující více druhů šumu je robustnější při zlepšování řeči degradované neznámým druhem šumu. Zároveň je tato síť schopna konkurovat konvenčním metodám při odstraňování šumu stacionárního charakteru a překonat je při odstraňování šumu silně nestacionárního.