Por favor, use este identificador para citar o enlazar este ítem:
https://ri.ufs.br/jspui/handle/riufs/3363| Tipo de Documento: | Dissertação |
| Título : | Uma abordagem híbrida CNN-HMM para reconhecimento de fala tolerante a ruídos de ambiente |
| Autor : | Santos, Rafael Meneses |
| Fecha de publicación : | 30-may-2016 |
| Director(a): | Matos, Leonardo Nogueira |
| Co-Director(a): | Macedo, Hendrik Teixeira |
| Resumen: | Um dos maiores desafios no reconhecimento de fala atualmente é usá-lo no contexto diário, no qual distorções no sinal da fala e ruídos no ambiente estão presentes e re- duzem a qualidade do reconhecimento. Nos últimos trinta anos, centenas de métodos para reconhecimento robusto ao ruído foram propostos, cada um com suas vantagens e desvantagens. Este trabalho propõe o uso de uma rede neural convolucional no papel de modelo acústico em sistemas de reconhecimento automático de fala,como uma alter- nativa ao métodos clássicos de reconhecimento baseado em modelos ocultos de Markov (HMM, do inglês, Hidden Markov Models) sem a aplicação de um método robusto ao ruído. Experimentos foram realizados com áudios modi ficados com ruídos aditivos e reais, e mostraram que o método proposto reduz o Equal Error Rate (EER) e aumenta a acurácia da classificação de comando de voz quando comparado a modelos tradicionais de classificação, evidenciando a robustez da abordagem apresentada. |
| Resumen : | One of the biggest challenges in speech recognition today is its use on a daily basis, in which distortion and noise in the environment are present and hinder this task. In the last thirty years, hundreds of methods for noise-robust recognition were proposed, each with its own advantages and disadvantages. In this thesis, the use of Convolutional Neural Networks (CNN) as acoustic models in automatic speech recognition systems (ASR) is proposed as an alternative to the classical recognition methods based on Hidden Markov Models (HMM) without any noise-robust method applied. Experiments were performed with a audio set modified by additive and natural noises, and showed that the presented method reduces the Equal Error Rate (EER) and improves the acuracy of speech recognition in noisy environments when compared to traditional models of classifiation, indicating the robustness of the approach. |
| Palabras clave : | Computação Redes neurais (Computação) Reconhecimento automático da voz Processos de Markov Convolucionais HMM Reconhecimento de fala Speech recognition Convolutional neural networks |
| Área CNPQ: | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Idioma : | por |
| PaÍs: | Brasil |
| Institución / Editorial : | Universidade Federal de Sergipe |
| Institución: | UFS |
| Programa de Posgrado: | Pós-Graduação em Ciência da Computação |
| Citación : | SANTOS, Rafael Meneses. Uma abordagem híbrida CNN-HMM para reconhecimento de fala tolerante a ruídos de ambiente. 2016. 40 f. Dissertação (Pós-Graduação em Ciência da Computação) - Universidade Federal de Sergipe, São Cristóvão, SE, 2016. |
| Tipo de acceso: | Acesso Aberto |
| URI : | https://ri.ufs.br/handle/riufs/3363 |
| Aparece en las colecciones: | Mestrado em Ciência da Computação |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| RAFAEL_MENESES_SANTOS.pdf | 2,14 MB | Adobe PDF |  Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.