Název:	A Comparison of Convolutional Neural Networks for Glottal Closure Instant Detection from Raw Speech
Autoři:	Matoušek, Jindřich Tihelka, Daniel
Citace zdrojového dokumentu:	MATOUŠEK, J. TIHELKA, D. A Comparison of Convolutional Neural Networks for Glottal Closure Instant Detection from Raw Speech. In 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2021). New York: IEEE, 2021. s. 6938-6942. ISBN: 978-1-72817-605-5 , ISSN: 1520-6149
Datum vydání:	2021
Nakladatel:	IEEE
Typ dokumentu:	konferenční příspěvek ConferenceObject
URI:	2-s2.0-85115048595 http://hdl.handle.net/11025/47270
ISBN:	978-1-72817-605-5
ISSN:	1520-6149
Klíčová slova v dalším jazyce:	glottal closure instant (GCI);detection;deep learning;convolutional neural network
Abstrakt v dalším jazyce:	In this paper, we continue to investigate the use of machine learning for the automatic detection of glottal closure instants (GCIs) from raw speech. We compare several deep one-dimensional convolutional neural network architectures on the same data and show that the InceptionV3 model yields the best results on the test set. On publicly available databases, the proposed 1D InceptionV3 outperforms XGBoost, a non-deep machine learning model, as well as other traditional GCI detection algorithms.
Práva:	Plný text je přístupný v rámci univerzity přihlášeným uživatelům. © IEEE
Vyskytuje se v kolekcích:	Konferenční příspěvky / Conference Papers (KKY) OBD

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.