Piotr Żelasko
Research scientist at CLSP, John's Hopkins University. PhD @ AGH-UST in Cracow. My interests are automatic speech recognition, natural language processing, C++ and Python, machine learning and deep learning, and jazz music.
Technologie mowy
State-of-the-art rozpoznawania mowy i biometrii głosowej Aplikacja podobnych technik w detekcji ataków typu playback
mgr inż. Piotr Żelasko
Opiekun naukowy: prof. dr hab. inż. Mariusz Ziółko
Seminarium doktoranckie WIEiT AGH - 1.02.2017, Kraków
Cele
- Demonstracja technik state-of-the-art w rozpoznawaniu mowy oraz rozpoznawaniu mówcy
- Pokazanie, że głębokie sieci neuronowe pozwoliły na przełom w tych dziedzinach
- Potencjalna aplikacja w detekcji ataków typu playback na systemy biometrii głosowej
Automatyczne rozpoznawanie mowy
Model akustyczny
(
Głębokie sieci neuronowe
Model akustyczny
(state of the art)
Amodei et al., Deep Speech 2: End-to-End Speech Recognition in English and Mandarin, Proceedings of the 33rd International Conference on Machine Learning, New York, NY, USA, 2016
http://itl.nist.gov/iad/mig/publications/ASRhistory/index.html
Benchmark 2016
https://github.com/syhw/wer_are_we
Rozpoznawanie mówcy
Sadjadi et al., The IBM 2016 Speaker Recognition System, Odyssey 2016, Bilbao, Spain
Sadjadi et al., MSR Identity Toolbox v1.0: A MATLAB Toolbox for Speaker Recognition Research, IEEE SLTC Newsletter, November 2013
Benchmark
Sadjadi et al., The IBM 2016 Speaker Recognition System, Odyssey 2016, Bilbao, Spain
Detekcja playbacku
The 2017 Automatic Speaker Verification Spoofing and Countermeasures Challenge (ASVspoof)
Dziękuję za uwagę
Technologie mowy
By Piotr Żelasko
