Αναγνώριση φωνητικών εντολών με μεθόδους βαθιάς μηχανικής μάθησης
| datacite.contributor.RelatedPerson | Ψαράκης, Εμμανουήλ | |
| datacite.contributor.RelatedPerson | Δερματάς, Ευάγγελος | |
| datacite.contributor.Supervisor | Μεγαλοοικονόμου, Βασίλειος | |
| dc.contributor.author | Κουτσούκος, Αλέξανδρος | |
| dc.contributor.other | Koutsoukos, Alexandros | |
| dc.date.accessioned | 2022-10-17T10:16:03Z | |
| dc.date.available | 2022-10-17T10:16:03Z | |
| dc.date.issued | 2022-09-19 | |
| dc.degree | graduateThesis | |
| dc.description.abstract | Ο κατακλυσμός των ανθρώπων από ηλεκτρονικές συσκευές και κατά συνέπεια από οθόνες αφού είναι ο κυρίαρχος τρόπος αλληλεπίδρασης μαζί τους, μας έχει δείξει ότι χρειάζονται νέα μέσα επικοινωνίας ανθρώπου-υπολογιστή ώστε να αποφευχθεί η εξάρτηση από τις οθόνες. Μια εναλλακτική που έχει επικρατήσει είναι η αλληλεπίδραση μέσω φωνητικών εντολών η οποία καθιστά δυνατή την προφορική επικοινωνία με ηλεκτρονικές συσκευές. Οι φωνητικές διεπαφές έχουν προστεθεί σε αυτοκίνητα, συστήματα οικιακού αυτοματισμού, λειτουργικά συστήματα υπολογιστών και αποτελούν τον κύριο τρόπο αλληλεπίδρασης με εικονικούς βοηθούς σε κινητά και έξυπνα ηχεία. Οπότε αποτελεί ζητούμενο η υλοποίηση αποδοτικών συστημάτων για την αναγνώριση φωνητικών εντολών. Η παρούσα διπλωματική εργασία επικεντρώνεται στην ανάπτυξη διαφορετικών αρχιτεκτονικών νευρωνικών δικτύων για την αναγνώριση απλών φωνητικών εντολών. Το πρόβλημα που καλούμαστε να λύσουμε είναι ένα πρόβλημα κατηγοριοποίησης πολλαπλών κλάσεων, όπου θα πρέπει να προεπεξεργαστούμε τα δεδομένα, να εξάγουμε τα χαρακτηριστικά για κάθε δίκτυο, να εκπαιδεύσουμε τα μοντέλα και τέλος να τα αξιολογήσουμε μετρώντας την ακρίβεια τους χρησιμοποιώντας διάφορες μετρικές κατηγοριοποίησης. Σκοπός μας είναι να συγκρίνουμε τις επιδόσεις των αρχιτεκτονικών πάνω σε δύο διαφορετικά προβλήματα κατηγοριοποίησης και να καταλήξουμε στην καλύτερη αρχιτεκτονική δικτύου. Στο δεύτερο μέρος της εργασίας αναλύουμε τη διαδικασία μετατροπής των μοντέλων που αναπτύξαμε σε light-weight μοντέλα ώστε να μπορούν να εκτελεστούν σε συσκευές που διαθέτουν περιορισμένους υπολογιστικούς πόρους όπως οι κινητές συσκευές και οι μικροελεγκτές. | |
| dc.description.translatedabstract | The deluge of people from electronic devices and consequently from screens as it is the dominant way of interacting with them, has shown us that new means of human-computer communication are needed to avoid dependence on screens. An alternative that has prevailed is the interaction through voice commands which enables verbal communication with electronic devices. Voice interfaces have been added to cars, home automation systems, computer operating systems and are the main way to interact with virtual assistants on smartphones and smart speakers. Therefore, the implementation of efficient speech commands recognition systems is required. This thesis focuses on the development of different neural networks architectures for the recognition of simple voice commands. The problem we have to solve is a multi-class classification problem, where we have to preprocess the data, extract the features for each network, train the models and finally evaluate them by measuring their accuracy using various classification metrics. Our aim is to compare the performance of the architectures on two different classification problems and come up with the best network architecture. In the second part of the thesis we analyze the process of converting the models we developed into light-weight models so that they can be run on devices with limited computing resources such as mobile devices and microcontrollers. | |
| dc.identifier.uri | https://hdl.handle.net/10889/23414 | |
| dc.language.iso | el | |
| dc.rights | Attribution 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by/3.0/us/ | * |
| dc.subject | Αναγνώριση φωνής | |
| dc.subject | Βαθιά μηχανική μάθηση | |
| dc.subject | Συνελικτικά νευρωνικά δίκτυα | |
| dc.subject.alternative | Speech recognition | |
| dc.subject.alternative | Deep learning | |
| dc.subject.alternative | Convolutional neural networks | |
| dc.title | Αναγνώριση φωνητικών εντολών με μεθόδους βαθιάς μηχανικής μάθησης | |
| dc.title.alternative | Speech recognition using deep learning methods |