DT2118 Igenkänning av tal och talare 7,5 hp
Denna kurs är avvecklad.
Sista planerade examination: VT 2022
Avvecklingsbeslut:
Ingen information tillagdInformation för forskarstuderande om när kursen ges
Doktorander kan anmäla sig till doktorandkursen med koden 2F5118. Ett större projekt krävs jämfört med DT2118.
Innehåll och lärandemål
Kursinnehåll
Kursen består av föreläsningar, tre laborationer med inlämingsuppgifter, samt att skriva en uppsats i ett ämne valt i samråd med läraren. Uppsatsen presenteras dessutom muntligt under ett slutseminarium. Laborationerna består i att designa olika delar av en taligenkänningsapplikation, träna systemet och utvärdera dess prestanda.
Följande teoretiska delmoment ingår:
- algoritmer för träning, igenkänning samt adaption till egenskaper hos talare och transmissionskanal, inklusive mönsterigenkänning, Hidden Markov Models (HMMs) och Deep Neural Networks (DNNs)
- metoder för att minska känsligheten mot störningar och avvikelser
- sannolikhetsteori
- signalbehandling och parameterextraktion
- akustisk modellering av talljudens statiska och tidsvarierande spektrala egenskaper
- statistisk modellering av språkbruk i spontant och formellt tal
- sökstrategier - grundläggande metoder och strategier för stora vokabulärer
- specifika analys- och beslutsmetoder för igenkänning av talare.
Dessutom ges viss praktisk inblick i att bygga en tillämpning. Här ingår att implementera vissa funktioner utifrån prototyper och att testa dem på riktig taldata.
Lärandemål
Studenten ska efter genomgången kurs kunna
- använda de i kursen beskrivna metoderna för att känna igen tal eller talare
- konfigurera ett system till en given applikation
- anpassa och vidareutveckla befintliga system för tal- och talarigenkänning
- utvärdera system för tal- och talarigenkänning
- bedriva forskningsarbete inom området.
Kurslitteratur och förberedelser
Särskild behörighet
För fristående kursstuderande krävs 90 hp varav 45 hp inom matematik eller informationsteknik. Dessutom krävs engelska B eller motsvarande.
Rekommenderade förkunskaper
Vissa kunskaper i Maskininlärning, gärna DD2431, DD2434 eller EN2202
Vissa programmeringskunskaper, gärma Python
Vissa kunskaper i signalbehandling
Utrustning
Kurslitteratur
- Huang, X., Acero, A., Hon, H.-W. Spoken Language Processing – A Guide to Theory, Algorithm and System Development, Prentice Hall, 2001.
- Automatic Speech Recognition: A deep learning approach, Dong Yu and Li Deng, Springer 2015. You can download the PDF through KTH Library.
- Särtryck på artiklar inom talarigenkänning och andra ämnen som inte ingår i boken.
Examination och slutförande
När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.
Betygsskala
Examination
- LABC - Laboration, 4,5 hp, betygsskala: P, F
- PROC - Projekt, 3,0 hp, betygsskala: P, F
Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.
Examinator får medge annan examinationsform vid omexamination av enstaka studenter.
I denna kurs tillämpas skolans hederskodex, se: http://www.kth.se/csc/student/hederskodex.
Övriga krav för slutbetyg
Laboration
Inlämningsuppgifter
Uppsats med presentation vid ett slutseminarium
Bedömning av två övriga kursdeltagares uppsatser och opposition på deras presentationer.
Möjlighet till komplettering
Möjlighet till plussning
Examinator
Etiskt förhållningssätt
- Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
- Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
- Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.
Ytterligare information
Kursrum i Canvas
Ges av
Huvudområde
Utbildningsnivå
Påbyggnad
Kontaktperson
Övrig information
Observera att kursen kan komma att ställas in eller genomföras i annan form om antalet anmälda vid ordinarie kursval är för få.