Konuşma İşaretlerinin Derin Evrişimsel Oto Kodlayıcı ve Artık Vektör Nicemleme Tabanlı Sıkıştırılması
Copyright policy )Konuşma İşaretlerinin Derin Evrişimsel Oto Kodlayıcı ve Artık Vektör Nicemleme Tabanlı Sıkıştırılması
Bu çalışmada, konuşma işaretlerini sıkıştırmak için derin öğrenme tabanlı oto kodlayıcı ve artık vektör nicemlemesini temel alan sıkıştırma yöntemi önerilmiştir. Önerilen sıkıştırma yönteminde, öncelikle giriş konuşma işaretini daha düşük boyutlu bir uzaya atayan oto kodlayıcı kullanılmakta ve ardından oto kodlayıcı çıkışı, artık vektör nicemlemesi ile daha da sıkıştırılmaktadır. Sıkıştırma yöntemi, birbirine paralel çalışan iki farklı kod çözücü yapısı ve iki kod kitapçığı sayesinde farklı oranlarda sıkıştırma oranı sunmaktadır. Yöntemin başarımı konuşma kalitesini algısal değerlendirme metriği kullanılarak TIMIT veri kümesi ile test edilmiştir. Önerilen konuşma sıkıştırma yöntemi, 1.25 ve 2.5 kbps iletim hızları için sırasıyla 1.665 ve 1.985 konuşma kalitesini algısal değerlendirme skorları elde etmiştir.
- Bursa Technical University Turkey
Deep Learning, Coding, Information Theory and Compression, Derin Öğrenme, Speech Compression;Causal Convolutional Neural Network;Residual Vector Quantization;Deep Autoencoder, Konuşma Sıkıştırma;Nedensel Evrişimsel Sinir Ağları;Artık Vektör Nicemlemesi;Derin Oto kodlayıcı, Kodlama, Bilgi Teorisi ve Sıkıştırma
Deep Learning, Coding, Information Theory and Compression, Derin Öğrenme, Speech Compression;Causal Convolutional Neural Network;Residual Vector Quantization;Deep Autoencoder, Konuşma Sıkıştırma;Nedensel Evrişimsel Sinir Ağları;Artık Vektör Nicemlemesi;Derin Oto kodlayıcı, Kodlama, Bilgi Teorisi ve Sıkıştırma
selected citations These citations are derived from selected sources.This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).0 popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.Average influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).Average impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.Average
Citations provided by BIP!Popularity provided by BIP!