Audio Enhancing With DNN Autoencoder For Speaker Recognition

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F16%3APU121617" target="_blank" >RIV/00216305:26230/16:PU121617 - isvavai.cz</a>

Výsledek na webu

<a href="http://www.fit.vutbr.cz/research/pubs/all.php?id=11139" target="_blank" >http://www.fit.vutbr.cz/research/pubs/all.php?id=11139</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ICASSP.2016.7472647" target="_blank" >10.1109/ICASSP.2016.7472647</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Audio Enhancing With DNN Autoencoder For Speaker Recognition

Popis výsledku v původním jazyce

We have presented our approach towards building a robust speaker recognition system. We concentrated on improving the performance on noisy and reverberant data by means of a DNN autoencoder, which is trained to remove both additive noise and reverberation from audio. We showed that our method significantly improves the performance of both state-of-the-art text-dependent and textindependent speaker recognition systems in the domain of distant microphone recordings. We analyzed and discussed the effect of the proposed method both on real-world data as well as on artificially created data. The artificially created data allowed us to measure the effect of enhancing separately for distortions caused by additive noise or reverberation.

Název v anglickém jazyce

Audio Enhancing With DNN Autoencoder For Speaker Recognition

Popis výsledku anglicky

We have presented our approach towards building a robust speaker recognition system. We concentrated on improving the performance on noisy and reverberant data by means of a DNN autoencoder, which is trained to remove both additive noise and reverberation from audio. We showed that our method significantly improves the performance of both state-of-the-art text-dependent and textindependent speaker recognition systems in the domain of distant microphone recordings. We analyzed and discussed the effect of the proposed method both on real-world data as well as on artificially created data. The artificially created data allowed us to measure the effect of enhancing separately for distortions caused by additive noise or reverberation.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/VI20152020025" target="_blank" >VI20152020025: Dolování infoRmAcí z řeči Pořízené vzdÁlenými miKrofony - DRAPÁK</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 41th IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2016), 2016

ISBN

978-1-4799-9988-0

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

5090-5094

Název nakladatele

IEEE Signal Processing Society

Místo vydání

Shanghai

Místo konání akce

Shanghai

Datum konání akce

20. 3. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000388373405048