- آخرین فایل ها
- پرفروشترین فایل ها
- پربازدیدترین فایل ها
استخراج ویژگی زمانی- فرکانسی جهت شناسایی دیداری مصوت های فارسی
چکیده
در این پایاننامه روشی برای شناسایی مصوتهای فارسی در کلمات تک سیلابی ارائه میشود. برای این منظور پس از جداسازی فریمهای تصویر و انتخاب فریمهایی که مربوط به تلفظ مصوت موجود در کلمه تک سیلابی بودند و نیز استخراج ناحیهای پیرامون لبها، ویژگیهای مختلفی همچون ضرایب کسینوسی و ضرایب موجک و ضرایب MFCC برای تشخیص مصوتها در کلمات تک سیلابی استخراج گردید. پس از آن توسط روش کاهش ویژگی LSDA، ویژگیها را کاهش داده و سایز ویژگیها را به 25 تغییر دادیم. در نهایت موثرترین ویژگیها برای شناسایی مشخص گردید. در این تحقیق از پایگاه دادهای شامل کلمات تک سیلابی، که توسط گویندگان مختلفی ادا شده بود و شامل 580 ویدیو بود استفاده گردید. از 381 ویدیو برای آموزش و از 199 ویدیو برای آزمایش استفاده نمودیم. ویژگیهای استخراجی به عنوان ورودی به شبکه عصبی دو لایه با 20 نرون در لایه میانی و یک نرون در خروجی اعمال شدند. از تابع فعالسازی تانژانت سیگموید در لایه میانی و تابع خطی در خروجی استفاده کردیم و برای آموزش شبکه از روش گرادیان نزولی با نرخ آموزش متغیر استفاده نمودیم. بهترین نرخ شناسایی 95.75 بود که از محاسبه ضرایب MFCC از 4/1 بردار ضرایب DCT بعد از اسکن زیگزاگ ماتریس ضرایب کسینوسی به دست آمد.
کلمات کلیدی:
لب خوانی، شناسایی مصوت، ویژگی های زمانی- فرکانسی، کاهش ابعاد ویژگی، شبکه های عصبی
از دیر باز بشر، با این واقعیت آشنا بوده است که برای درک بهتر گفتار میتواند به حرکات لب و دهان گوینده در حین گفتار و هنگام ادای کلمات توجه کند. احتمالاً همه ما به طور ناخودآگاه تا حدی از این جنبه غیر صوتی گفتار استفاده کرده و هنگامی که محیط شنوایی، دچار همهمه و سر و صدا و آغشته به نویز صوتی میشود، به حرکات لب گوینده توجه بیشتری میکنیم. این امر در مورد مخاطبینی که دارای نقص در سیستم شنوایی خود هستند از اهمیت بالاتری برخوردار میباشد. ضمناً حرکات لب یا سیگنال تصویری گفتار میتواند به طور قابل ملاحظهای دقت سیستمهای تشخیص گفتار صوتی را خصوصاً در محیطهای نویزی بهبود بخشد. همزمان کردن حرکات لب و صدای گفتار، برطرف کردن خطای تأخیر بین صوت و تصویر و دوبله اتوماتیک تصویری از دیگر کاربردهای این مقوله میباشد.
افرادي زيادي هستند كه دچار آسيب در سيستم صوتي بوده و به دلیل عدم برخورداري از صداي مناسب، قادر به برقراري ارتباط با ديگران نيستند اين افراد معمولاً توانايي انجام صحيح حركات لب به شكلي كه براي تكلم لازم است را داشته و در حالت ايدهآل میتوان با انجام لبخواني به مقصود آنها پي برد. گفتار بشری به دفعات به صورت صوتی و تصویری در طبیعت تکرار شده است. گفتار صوتی به شکل موج تولید شده توسط گوینده و گفتار دیداری به حرکات لب و زبان و ماهیچههایی که در صورت است اشاره دارد. در گفتار صوتی واحد اصلی واج[1] نامیده میشود. در حوزه تصویری واحد اصلی از حرکات دهان ویزم[2] نامیده میشود که کوچکترین جزء دیداری صحبت است. بسیاری از صداهای صوتی هستند که از نظر دیداری مبهم هستند این صداها به کلاس مشابهای گروهبندی شده که یک ویزم را نشان میدهد. یک نگاشت چند به یک بین واجها و ویزمها هست یعنی میتوان مجموعهای از واجها را در نظر گرفت که تأثیر مشابهای بر روی شکل دهان دارند. در جدولهای زیر گروهبندی ویزمها در زبان انگلیسی و فارسی آورده شده است [1] , [2].
دانلود پاورپوینت آمارتولید ومصرف انواع دیرگداز ها در ایران وجهان
حجم:10840KB | بازدید :2447
این فایل در سایت های دیگر با قیمت های بالاتری به فروش می...
دانلود پاورپوینت مديريت انرژي در بخش تجاري و عمومي
حجم:10184KB | بازدید :1777
این فایل در سایت های دیگر با قیمت های بالاتری به فروش می...
حجم:9444KB | بازدید :3718
این فایل در سایت های دیگر با قیمت های بالاتری به فروش می...
دانلود پاورپوینت آشنايي با شيطانپرستي
حجم:9338KB | بازدید :2008
این فایل در سایت های دیگر با قیمت های بالاتری به فروش می رسد. شیطان پرستی به جای اطاعت از قوانین خدایی یا قوانین طبیعی و اخلاقی، عموماً بر پیشرفت فیزیکی خود با راهنماییهای موجودی مافوق یا قوانینی فرستاده شده تمرکز دارد. به همین دلیل بسیاری از شیطان پرستان معاصر از...
حجم:9202KB | بازدید :2858
دانلود پاورپوینت مد و مدگرایی این فایل در سایت های دیگر با قیمت های بالاتری به فروش می رسد. پاورپوینت درباره آشنایی با مد و مدگرایی فرمت فایل: power point (لینک دانلود پایین صفحه) تعداد اسلاید: 17 اسلاید بخشی از اسلایدها: دیوید رایزمن (محقق و جامعه شناس) : جوامع...
دانلود پاورپوینت تغذیه سالم، فعالیت جسمانی،کنترل وزن
حجم:8351KB | بازدید :2246
این فایل در سایت های دیگر با قیمت های بالاتری به فروش می...
حجم:8235KB | بازدید :2821
این فایل در سایت های دیگر با قیمت های بالاتری به فروش می رسد. كلمه قاچاق يك كلمه تركي است و به معناي گريزاندن ميباشد و از مجموع قوانين و مقررات مربوط چنين استنباط ميشود كه قاچاق عبارت است از فراردادن مال، خواه آن مال مربوط به درآمد دولت بوده و يا ورود و خروج، توليد...
حجم:8234KB | بازدید :1953
این فایل در سایت های دیگر با قیمت های بالاتری به فروش می رسد. فایل ورد قابل ویرایش درمتون تاریخی پس از اسلام به نام لرستان فیلی بر می خوریم که معرب پهلوی است واین سرزمین از همدان تا خانقین و ممدلی امتداد دارد. و زبان شعر های باباطاهر راپهلوی یاهمین لری امروز دانسته...