prikaz prve stranice dokumenta Prepoznavanje govornika korištenjem dubokih neuronskih mreža
  Preuzmi
PDF 3.16 MB
diplomski rad
Prepoznavanje govornika korištenjem dubokih neuronskih mreža
Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. urn:nbn:hr:200:455092
Markić, Luka
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za računalno inženjerstvo i automatiku
Katedra za automatiku i robotiku

Institucijski repozitorij: Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek

Citirajte ovaj rad

Markić, L. (2024). Prepoznavanje govornika korištenjem dubokih neuronskih mreža (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:455092

Markić, Luka. "Prepoznavanje govornika korištenjem dubokih neuronskih mreža." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:455092

Markić, Luka. "Prepoznavanje govornika korištenjem dubokih neuronskih mreža." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:455092

Markić, L. (2024). 'Prepoznavanje govornika korištenjem dubokih neuronskih mreža', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:200:455092

Markić L. Prepoznavanje govornika korištenjem dubokih neuronskih mreža [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2024 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:455092

L. Markić, "Prepoznavanje govornika korištenjem dubokih neuronskih mreža", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:455092

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:455092
Podaci o radu
NaslovPrepoznavanje govornika korištenjem dubokih neuronskih mreža
Naslov (engleski)Speaker recognition using deep neural networks
AutorLuka Markić
MentorRatko Grbić (mentor)
Član povjerenstvaRatko Grbić (predsjednik povjerenstva)
Član povjerenstvaRobert Cupec (član povjerenstva)
Član povjerenstvaPetra Pejić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za računalno inženjerstvo i automatiku)
(Katedra za automatiku i robotiku)
Osijek
Datum i država obrane2024-10-01, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
U okviru ovog rada predstavljen je način rješavanja zadatka verifikacije govornika primjenom dubokih neuronskih mreža. Prvotno su definirani zadaci identifikacije i verifikacije govornika te su predstavljena moderna rješenja za rješavanje tih problema, pri čemu se ističu rješenja ostvarena korištenjem konvolucijske i sijamske neuronske mreže. Ovim radom zadatak verifikacije govornika se rješava treniranjem sijamske neuronske mreže na temelju logaritamskih Mel spektrograma stvorenih iz zvučnih zapisa GRID skupa podataka. Primjenom augmentacija Gaussovog šuma i amplitudne augmentacije spektrograma na trening skupu podataka treniraju se nove mreže kojima se procjenjuje utjecaj augmentacija na rad verifikacije govornika. S ciljem povećanja raznolikosti skupa podataka, stvoren je vlastiti skup podataka s 12 različitih govornika. Korištenje tog skupa i procesom prijenosnog učenja na temelju već istreniranih mreža na GRID skupu podataka dobivene su nove mreže. Nadalje, izrađena je aplikacija koja omogućuje primjenu istreniranih mreža za verifikaciju govornika u stvarnom okruženju. U konačnici, sve izgrađene mrže su detaljno evaluirane na testnom skupu podataka.
Sažetak (engleski)
This master’s thesis presents a method for solving the speaker verification task by using deep neural networks. Firstly, the tasks of speaker identification and verification are defined, followed by presenting modern solutions for these problems, with a focus on solutions achieved using Convolutional Neural Networks and Siamese Neural Networks. In this paper, the speaker verification task is solved by training a Siamese Neural Network based on log-Mel spectrograms created on audio recordings of the GRID dataset. By applying data augmentations on training dataset, such as Gaussian noise and amplitude augmentation of spectrograms, new networks are trained to evaluate the impact of these augmentations on speaker verification performance. To increase the diversity of the GRID dataset, a custom dataset with 12 different speakers was created. Using this dataset and a transfer learning process based on networks already trained on the GRID dataset, new networks were trained. Furthermore, a desktop application was developed that enables the use of trained networks for speaker verification in real-world environment. In the end, all constructed networks were thoroughly evaluated on the test dataset.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:455092
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: sveučilišni/a magistar/magistra inženjer/inženjerka računarstva (univ. mag. ing. comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2024-10-04 11:04:48