Rozpoznávání a detekce klíčových slov

Show simple item record
dc.contributor.advisorŠmídl Luboš, Ing. Ph.D.
dc.contributor.authorLytvyniuk, Anton
dc.contributor.refereeŠvec Jan, Ing. Ph.D.
dc.date.accepted2022-8-30
dc.date.accessioned2022-11-10T14:45:46Z
dc.date.available2021-10-15
dc.date.available2022-11-10T14:45:46Z
dc.date.issued2022
dc.date.submitted2022-8-15
dc.description.abstractS rozvojem hlubokého strojového učení roste i jeho využití v chytrých zařízeních, proto existuje velká potřeba provozování modelů v kontextu omezené výpočetní síly. Jednou z významných úloh v oblasti rozpoznávání řeči a komunikace člověk-stroj je detekce klíčových slov (keyword spotting, KWS). Tato práce vyšetřuje různé architektury neuronových sítí a porovnává učení s učitelem a učení částečně s učitelem. Zjistilo se, že z navržených sítí nejlepších výsledků dosahuje síť ResNet8 a že model před-trénovaný na datové sadě LibriSpeech Light se dobře přenáší na úlohu KWS.cs
dc.description.abstract-translatedWith the development of deep machine learning its usage becomes increasingly popular in smart devices, consequently there is a significant need of operating such models in the context of limited computational power. One of the frequent tasks in the domain of speech recognition and human-machine communication is keyword spotting (KWS). This paper investigates multiple neural network architectures and compares supervised and self-supervised learning approaches. We show that the ResNet8 architecture achieves the best results and that the model pretrained on LibriSpeech Light dataset transfers well to the KWS task.en
dc.description.resultObhájeno
dc.format50 s.
dc.identifier90063
dc.identifier.urihttp://hdl.handle.net/11025/50144
dc.language.isocs
dc.publisherZápadočeská univerzita v Plzni
dc.rightsPlný text práce je přístupný bez omezení
dc.subjectrozpoznávání řečics
dc.subjectrozpoznávání klíčových slovcs
dc.subjecthluboká neuronová síťcs
dc.subjectučení částečně s učitelemcs
dc.subjectmalý výpočetní výkon.cs
dc.subject.translatedspeech recognitionen
dc.subject.translatedkeyword spottingen
dc.subject.translateddeep neural networken
dc.subject.translatedself-supervised learningen
dc.subject.translatedlow footprint.en
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných věd
dc.thesis.degree-levelBakalářský
dc.thesis.degree-nameBc.
dc.thesis.degree-programKybernetika a řídicí technika
dc.titleRozpoznávání a detekce klíčových slovcs
dc.title.alternativeKeyword detection and recognitionen
dc.typebakalářská práce
local.relation.IShttps://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=90063

Files

Original bundle
Showing 1 - 4 out of 4 results
No Thumbnail Available
Name:
Bakalarka_Lytyniuk.pdf
Size:
1.33 MB
Format:
Adobe Portable Document Format
Description:
Plný text práce
Download
No Thumbnail Available
Name:
Lytvyniuk_V.pdf
Size:
428.92 KB
Format:
Adobe Portable Document Format
Description:
Posudek vedoucího práce
Download
No Thumbnail Available
Name:
Lytvyniuk_O.pdf
Size:
451.73 KB
Format:
Adobe Portable Document Format
Description:
Posudek oponenta práce
Download
No Thumbnail Available
Name:
Lytvyniuk_P.pdf
Size:
219.43 KB
Format:
Adobe Portable Document Format
Description:
Průběh obhajoby práce
Download

Collections

Bachelor´s works (KKY)
 OPEN License Selector