but.committee	prof. Dr. Ing. Jan Černocký (předseda) doc. Ing. Jiří Jaroš, Ph.D. (místopředseda) Ing. Vladimír Bartík, Ph.D. (člen) doc. RNDr. Milan Češka, Ph.D. (člen) Ing. Filip Orság, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A. Otázky u obhajoby: Popište, jak probíhalo měření kvality nahrávek poslechem metodou Mean Opinion Score (MOS). Kolik posluchačů se zúčastnilo měření?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Szőke, Igor	cs
dc.contributor.author	Košina, Simon	cs
dc.contributor.referee	Skácel, Miroslav	cs
dc.date.accessioned	2022-06-21T07:55:41Z
dc.date.available	2022-06-21T07:55:41Z
dc.date.created	2022	cs
dc.description.abstract	Cieľom tejto práce je vytvorenie modelu pre odšumovanie a dereverberáciu audio nahrávok pochádzajúcich z leteckej VHF komunikácie. Práca popisuje teoretické základy strojového učenia a rôzne architektúry neurónových sieti, ktoré sa v prípade podobných problémov často používajú. Nasleduje popis použitých nástrojov, implementácie a dátových sád. Posledné kapitoly sa venujú vykonaným experimentom, dosiahnutým výsledkom a nadväzujúcej práci.	cs
dc.description.abstract	The goal of this thesis was to create a speech enhancement and dereverberation model for audio recordings coming from aircraft VHF communication. First, the thesis covers some theoretical grounds of machine learning and types of neural networks commonly used in such scenarios. Following is a description of the used framework, datasets and the implementation itself. Last chapters are focused on the performed experiments and their evaluation. At the end we talk about the future work that can be done in order to further improve the achieved results.	en
dc.description.mark	A	cs
dc.identifier.citation	KOŠINA, S. Robustní odšumování a dereverberace audia [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2022.	cs
dc.identifier.other	145062	cs
dc.identifier.uri	http://hdl.handle.net/11012/207207
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	odstraňovanie šumu	cs
dc.subject	strojové učenie	cs
dc.subject	VHF komunikácia	cs
dc.subject	GAN	cs
dc.subject	generatívne neurónové siete	cs
dc.subject	SpeechBrain	cs
dc.subject	speech enhancement	en
dc.subject	machine learning	en
dc.subject	VHF communication	en
dc.subject	GAN	en
dc.subject	generative adversarial network	en
dc.subject	SpeechBrain	en
dc.title	Robustní odšumování a dereverberace audia	cs
dc.title.alternative	Robust Audio Dereverberation and Denoising	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2022-06-15	cs
dcterms.modified	2022-06-20-10:23:16	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	145062	en
sync.item.dbtype	ZP	en
sync.item.insts	2022.06.21 09:55:41	en
sync.item.modts	2022.06.21 08:14:44	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Robustní odšumování a dereverberace audia

Files

Original bundle

Collections