Hoppa till huvudinnehållet

DT2119 Igenkänning av tal och talare 7,5 hp

Kursens syfte är att ge en systematisk introduktion till talsignalbehandling och taligenkänning. Modeller av talproduktion och talanalys är grunden till förståelsen av taligenkänningsproblemet. Probabilistiska maskininlärningsmetoder används för igenkänningen, inklusive Hidden Markov Models, Gaussian Mixture Models, Support Vector Machines, Deep Neural Networks.

Välj termin och kursomgång

Välj termin och kursomgång för att se information från rätt kursplan och kursomgång.

Rubriker med innehåll från kursplan DT2119 (VT 2020–) är markerade med en asterisk ( )

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

Efter godkänd kurs ska studenten kunna

  • implementera träning och utvärderingsmetoder för taligenkänning
  • träna och utvärdera en taligenkännare med hjälp av programvarupaket
  • jämföra olika särdragsextraktions- och träningsmetoder
  • dokumentera och diskutera specifika aspekter relaterade till tal- och talarigenkänning
  • granska och kritisera andra studenters arbete i ämnet utifrån litteraturen.

Kursupplägg

Ingen information tillagd

Kurslitteratur och förberedelser

Särskild behörighet

Ingen information tillagd

Rekommenderade förkunskaper

Vissa kunskaper i Maskininlärning, gärna DD2421, DD2434 eller EN2202

Vissa programmeringskunskaper, gärma Python

Vissa kunskaper i signalbehandling

Utrustning

Ingen information tillagd

Kurslitteratur

Ingen information tillagd

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

A, B, C, D, E, FX, F

Examination

  • LAB1 - Laboration, 4,5 hp, betygsskala: P, F
  • PRO1 - Projekt, 3,0 hp, betygsskala: A, B, C, D, E, FX, 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.

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

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

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

Kurswebb

Ytterligare information om kursen kan hittas på kurswebben via länken nedan. Information på kurswebben kommer framöver flyttas till denna sida.

Kurswebb DT2119

Ges av

Huvudområde

Datalogi och datateknik

Utbildningsnivå

Avancerad nivå

Påbyggnad

Ingen information tillagd

Kontaktperson

Jonas Beskow (beskow@kth.se)

Övrig information

Observera att kursen kan komma att ställas in eller genomföras i annan form om antalet anmälda vid ordinarie kursval är för få.

I denna kurs tillämpas EECS hederskodex, se:
http://www.kth.se/eecs/utbildning/hederskodex