prikaz prve stranice dokumenta Rekonstrukcija zvučnih zapisa primjenom metoda strojnog učenja
No public access
master's thesis
Rekonstrukcija zvučnih zapisa primjenom metoda strojnog učenja
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. urn:nbn:hr:168:954910
Kordiš, Lovro
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Kordiš, L. (2019). Rekonstrukcija zvučnih zapisa primjenom metoda strojnog učenja (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:954910

Kordiš, Lovro. "Rekonstrukcija zvučnih zapisa primjenom metoda strojnog učenja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. https://urn.nsk.hr/urn:nbn:hr:168:954910

Kordiš, Lovro. "Rekonstrukcija zvučnih zapisa primjenom metoda strojnog učenja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. https://urn.nsk.hr/urn:nbn:hr:168:954910

Kordiš, L. (2019). 'Rekonstrukcija zvučnih zapisa primjenom metoda strojnog učenja', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 26 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:954910

Kordiš L. Rekonstrukcija zvučnih zapisa primjenom metoda strojnog učenja [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2019 [cited 2024 November 26] Available at: https://urn.nsk.hr/urn:nbn:hr:168:954910

L. Kordiš, "Rekonstrukcija zvučnih zapisa primjenom metoda strojnog učenja", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2019. Available at: https://urn.nsk.hr/urn:nbn:hr:168:954910

Metadata
TitleRekonstrukcija zvučnih zapisa primjenom metoda strojnog učenja
Title (english)Reconstruction of Audio Recordings Using Machine Learning Techniques
AuthorLovro Kordiš
MentorGoran Delač (mentor)
Committee memberGoran Delač (predsjednik povjerenstva)
Committee memberMarin Šilić (član povjerenstva)
Committee memberSiniša Srbljić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2019-07-09, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Rekonstrukcija zvuka područje je dubokog učenja koje je još uvijek u razvoju. Ovaj se rad bavi generativnim suparničkim mrežama i korištenjem suparničkog treninga na parovima zvuka niske i visoke razlučivosti kako bi se stvorio model za rekonstrukciju zvuka. Detaljno su opisane duboke konvolucijske i generativnesuparničke mreže. Implementiran je duboki konvolucijski U-Net suparnički model, te su ispitane dvije funkcije gubitka - Wasserstein i Relativistički gubitak. Model je evaluiran na VCTK skupu podataka. Na kraju su prikazani rezultati i slike spektrograma.
Abstract (english)
Audio super resolution is still a developing field in deep learning. This paper deals with generative adversarial networks and using the adversarial training on pairs of low and high resolution audios to create a model for audio super resolution. Deep convolutional and generative adversarial networks are described in detail. A deep convolutional U-Net adversarial model is implemented, and two adversarial loss functions are tested - Wasserstein and Relativistic loss. Model is evaluated on VCTK dataset. Finally, the results and spectogram images are presented.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:954910
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2020-01-07 19:12:57