Full metadata record
DC poleHodnotaJazyk
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.identifier90063
dc.identifier.urihttp://hdl.handle.net/11025/50144-
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.format50 s.
dc.language.isocs
dc.publisherZápadočeská univerzita v Plzni
dc.relation.isreferencedbyhttps://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=90063-
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.titleRozpoznávání a detekce klíčových slovcs
dc.title.alternativeKeyword detection and recognitionen
dc.typebakalářská práce
dc.thesis.degree-nameBc.
dc.thesis.degree-levelBakalářský
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných věd
dc.thesis.degree-programKybernetika a řídicí technika
dc.description.resultObhájeno
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.subject.translatedspeech recognitionen
dc.subject.translatedkeyword spottingen
dc.subject.translateddeep neural networken
dc.subject.translatedself-supervised learningen
dc.subject.translatedlow footprint.en
Vyskytuje se v kolekcích:Bakalářské práce / Bachelor´s works (KKY)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
Bakalarka_Lytyniuk.pdfPlný text práce1,36 MBAdobe PDFZobrazit/otevřít
Lytvyniuk_V.pdfPosudek vedoucího práce428,92 kBAdobe PDFZobrazit/otevřít
Lytvyniuk_O.pdfPosudek oponenta práce451,73 kBAdobe PDFZobrazit/otevřít
Lytvyniuk_P.pdfPrůběh obhajoby práce219,43 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/50144

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Vysokoškolské kvalifikační práce / Theses
  3. Fakulta aplikovaných věd / Faculty of Applied Sciences
  4. Katedra kybernetiky / Department of Cybernetics
  5. Bakalářské práce / Bachelor´s works (KKY)