Detail publikace
Deriving Spectro-temporal Properties of Hearing from Speech Data
Li Ruizhi (JHU)
Sell Gregory (JHU)
Heřmanský Hynek, prof. Ing., Dr.Eng. (JHU)
Lidské slyšení a lidská řeč jsou vnitřně svázány, protože vlastnosti řeči se téměř jistě vyvinuly, aby byly slyšet lidskými ušima. V důsledku tohoto spojení se ukázalo, že určité vlastnosti lidského sluchu jsou napodobovány v systémech založených na údajích, které jsou vyškoleny k porozumění lidské řeči. V tomto článku dále zkoumáme tento jev měřením spektro-časových odezev datových filtrů v front-end konvoluční vrstvě hluboké sítě vyškolené ke klasifikaci fonémů čisté řeči. Analýzy ukazují, že filtry skutečně vykazují spektro-časové reakce podobné těm, které byly měřeny u savců, a také, že filtry vykazují další úroveň frekvenční selektivity, podobnou zpracovatelskému potrubí předpokládanému v artikulačním indexu.
@INPROCEEDINGS{FITPUB12097,
author = "Francois Antoine Lucas Yang Ondel and Ruizhi Li and Gregory Sell and Hynek He\v{r}mansk\'{y}",
title = "Deriving Spectro-temporal Properties of Hearing from Speech Data",
pages = "411--415",
booktitle = "Proceedings of ICASSP",
year = 2019,
location = "Brighton, GB",
publisher = "IEEE Signal Processing Society",
ISBN = "978-1-5386-4658-8",
doi = "10.1109/ICASSP.2019.8682787",
language = "english",
url = "https://www.fit.vut.cz/research/publication/12097"
}