Rozpoznání zvukových událostí pomocí hlubokého učení

Simple item page
but.committeeprof. Ing. Zdeněk Smékal, CSc. (předseda) doc. Ing. MgA. Mgr. Dan Dlouhý, Ph.D. (místopředseda) Ing. Jiří Přinosil, Ph.D. (člen) Ing. František Rund, Ph.D. (člen) MgA. Mgr. Ondřej Jirásek, Ph.D. (člen) Mgr. Tomáš Staudek, Ph.D. (člen)cs
but.defenceStudent obhájil diplomovou práci a odpověděl na otázky členů komise a oponenta. Z čeho se skládaly testovací nahrávky? Jak jste ve své práci definoval přesnost? Je možné dosaženou přesnost ještě zvýšit? Jaká byla struktura použité neuronové sítě?cs
but.jazykslovenština (Slovak)
but.programAudio inženýrstvícs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorPřinosil, Jiřísk
dc.contributor.authorBajzík, Jakubsk
dc.contributor.refereeKiska, Tomášsk
dc.date.accessioned2019-06-14T11:40:25Z
dc.date.available2019-06-14T11:40:25Z
dc.date.created2019cs
dc.description.abstractTáto práca sa zaoberá problematikou spracovania a rozpoznávania udalostí v zvukovom signále. Práca skúma možnosť využitia vizualizácie zvukového signálu a následné použitie konvolučných neurónových sietí ako klasifikátoru pre rozpoznanie v reálnom použití. Vybrané zvukové udalosti sú výstrely zo zbraní umiestnené do zvukového pozadia ako je ruch ulice, ľudský hlas, zvuky zvierat a iné formy náhodného šumového pozadia. Pred samotnou implementáciou je vytvorená rozsiahla databáza s rôznymi parametrami výstrelov najmä charakteru dozvuku a časovej polohy v rámci spracovávaného úseku. V práci sú použité voľne dostupné platformy Keras a TensorFlow pre prácu s neurónovými sieťami.sk
dc.description.abstractThis paper deals with processing and recognition of events in audio signal. The work explores the possibility of using audio signal visualization and subsequent use of convolutional neural networks as a classifier for recognition in real use. Recognized audio events are gunshots placed in a sound background such as street noise, human voice, animal sounds, and other forms of random noise. Before the implementation, a large database with various parameters, especially reverberation and time positioning within the processed section, is created. In this work are used freely available platforms Keras and TensorFlow for work with neural networks.en
dc.description.markAcs
dc.identifier.citationBAJZÍK, J. Rozpoznání zvukových událostí pomocí hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.cs
dc.identifier.other118149cs
dc.identifier.urihttp://hdl.handle.net/11012/177562
dc.language.isoskcs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectRozpoznávanie zvukových udalostísk
dc.subjectstrojové učeniesk
dc.subjectneurónová sieťsk
dc.subjectspracovanie signálusk
dc.subjectSound recognitionen
dc.subjectmachine learningen
dc.subjectneural networken
dc.subjectsignal processingen
dc.titleRozpoznání zvukových událostí pomocí hlubokého učenísk
dc.title.alternativeDeep learning based sound event recognitionen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2019-06-04cs
dcterms.modified2019-06-06-13:19:36cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid118149en
sync.item.dbtypeZPen
sync.item.insts2021.11.08 13:08:18en
sync.item.modts2021.11.08 12:15:05en
thesis.disciplineAudio inženýrstvícs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikacícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
4.66 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
7.25 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_118149.html
Size:
4.02 KB
Format:
Hypertext Markup Language
Description:
review_118149.html
Download
Collections
2019