dc.contributor	Boháč Marek, Ing. Ph.D. : 68488
dc.contributor.advisor	Matějů Lukáš, Ing. Ph.D. : 64645
dc.contributor.author	Kovář, Jakub
dc.date.accessioned	2022-11-04T08:15:36Z
dc.date.available	2022-11-04T08:15:36Z
dc.date.committed	2022-5-16
dc.date.defense	2022-06-15
dc.date.issued	2022-06-15
dc.date.submitted	2021-10-12
dc.date.updated	2022-6-15
dc.degree.level	Ing.
dc.description.abstract	Tato práce se zabývá úlohou klasifikace neznámých audio nahrávek pro účely detekce překrývajících se úseků řeči. Práce zahrnuje popis překrývajících se úseků řeči a současných řešení její detekce v souvislosti především s neuronovými sítěmi. Jsou zde popsány metodiky a principy neuronových sítí a technologie použité pro účely vytvoření detektoru překrývajících se úseků řeči pomocí neuronových sítí. Pro trénování, validaci a vyhodnocení jsou vytvořeny umělé a ručně anotované datové sady. Reálné datové sady vznikly ruční anotací audio nahrávek společně s použitím již existujících reálných datových sad. K vytváření umělých dat, trénování a testování sítě byly vytvořeny programy v jazyce Python. Pro anotaci reálných dat vznikla aplikace v MATLAB-u. Jsou zde navrženy lineární, konvoluční a time delay neuronové sítě, které jsou experimentálně laděny. Nejlepší z nich jsou trénovány na úplné trénovací datové sadě. Natrénované sítě dokázaly dosáhnout velmi vysoké přesnosti detekce na umělých datech. Z provedených experimentů lze usoudit, že konvoluční nebo time delay architektury by měly na reálných datech dosáhnout stejně dobrých výsledků. V případě, že by měli k dispozici větší množství reálných trénovacích dat.	cs
dc.description.abstract	This thesis describes clasification task of overlapping speech detection with neural networks. It includes what is an overlapped speech and what are the types of neural networks used for detecting it. There are explanations of neural network principles and their training methodologies. Also there are synthetic, real training, validation and testing datasets created. The real dataset consists of two parts. One part was created by manual anotation of audio recordings. The other part was taken from manually anotated existing datasets. Python script generating synthetic overlapping speech was made for creating synthetic datasets. MATLAB application was created for annotating real audio recordings. Linear, convolutional and time delay neural networks were used for detecting overlapping speech. These networks were experimentally tuned at first. Then the best of them were evaluated on test datasets.Neural networks managed to achieve very high accuracy on synthetic testing dataset. Based on experimental results, it is feasible that the convolutional or time delay neural networks would achieve similar results if they would be given more real training data.	en
dc.description.mark	2
dc.format	71 stran
dc.format.extent	-
dc.identifier.signature	V 202204099
dc.identifier.uri	https://dspace.tul.cz/handle/15240/166212
dc.language.iso	cs
dc.relation.isbasedon	renewcommandlabelenumi[theenumi] beginarab item parBISHOP, Christopher M. Pattern recognition and machine learning. [New York]: Springer, c2006. Information science and statistics. ISBN 978-0-387-31073-2.par item parGOODFELLOW, Ian, Yoshua BENGIO a Aaron COURVILLE. Deep learning. Cambridge, MA: MIT press, [2016]. Adaptive computation and machine learning series. ISBN 978-0-262-03561-3.par item parMÁLEK, Jiří a Jindřich ŽĎÁNSKÝ. Voice-Activity and Overlapped Speech Detection Using x-Vectors. Text, Speech, and Dialogue. Cham: Springer International Publishing, 2020, s. 366-376. Lecture Notes in Computer Science. ISBN 978-3-030-58322-4.par endarab
dc.rights	Vysokoškolská závěrečná práce je autorské dílo chráněné dle zákona č. 121/2000 Sb., autorský zákon, ve znění pozdějších předpisů. 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 https://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou https://knihovna.tul.cz/document/26	cs
dc.rights	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. https://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics https://knihovna.tul.cz/document/26	en
dc.rights.uri	https://knihovna.tul.cz/document/26
dc.rights.uri	https://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf
dc.subject	překrývající se řeč	cs
dc.subject	MFCC	cs
dc.subject	lineární neuronové sítě	cs
dc.subject	time delay neuronové sítě	cs
dc.subject	konvoluční neuronové sítě	cs
dc.subject	overlapping speech	en
dc.subject	MFCC	en
dc.subject	linear neural networks	en
dc.subject	convolutional neural networks	en
dc.subject	time delay neural networks	en
dc.title	Detekce překrývajících se úseků řeči v audiozáznamech s využitím hlubokých neuronových sítí	cs
dc.title	Crosstalk Detection in Audio Recordings Using Deep Neural Networks	en
dc.type	diplomová práce	cs
local.degree.abbreviation	Navazující
local.degree.discipline	IT-N
local.degree.programme	Elektrotechnika a informatika
local.degree.programmeabbreviation	N2612
local.department.abbreviation	ITE
local.faculty	Fakulta mechatroniky, informatiky a mezioborových studií	cs
local.faculty.abbreviation	FM
local.identifier.author	M20000168
local.identifier.stag	43021
local.identifier.verbis
local.identifier.verbis	62346951-ebdf-4e1c-835d-49afd2576f7c
local.note.administrators	automat
local.note.secrecy	Povoleno ZverejnitPraci Povoleno ZverejnitPosudky
local.poradovecislo	4099

Detekce překrývajících se úseků řeči v audiozáznamech s využitím hlubokých neuronových sítí

Files

Original bundle

Collections