Speech Recognition System Based on Machine Learning in Persian Language

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 305

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_CAND-1-2_003

تاریخ نمایه سازی: 28 دی 1401

چکیده مقاله:

In today's world, where speech recognition has become an integral part of our daily lives, the need for systems equipped with this technology has increased dramatically in the past few years. This research aims to locate the two selected Persian words in any given audio file. For this purpose, two standard and native datasets were prepared for this model one for train and the other for the test. Both datasets were converted into images of audio waveforms. Using the object detection technique, the model could extract different bounding boxes for each test audio, and then each box image goes through a CNN classifier and returns a corresponding label. Finally, a threshold is set so that only boxes with high accuracy are displayed as output. The results showed ۹۳% accuracy for the CNN classifier and ۵۰% accuracy for testing the model with object detection.

نویسندگان

Shahed Mohammadi

Department of Computer Since and Systems Engineering, Ayandegan Institute of Higher Education, Tonekabon, Iran.

Niloufar Hemati

Department of Computer Science, Islamic Azad University Central Tehran Branch, Tehran, Iran.

Neda Mohammadi

Department of Industrial Engineering, Sadra University, Tehran, Iran.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Rudnicky, A. I., Hauptmann, A. G., & Lee, K. F. ...
  • Guo, J., & Gould, S. (۲۰۱۵). Deep CNN ensemble with ...
  • Vadwala, A. Y., Suthar, K. A., Karmakar, Y. A., Pandya, ...
  • Wang, Y., Mohamed, A., Le, D., Liu, C., Xiao, A., ...
  • Kriman, S., Beliaev, S., Ginsburg, B., Huang, J., Kuchaiev, O., ...
  • Chan, W., Park, D., Lee, C., Zhang, Y., Le, Q., ...
  • Park, S., Jeong, Y., & Kim, H. S. (۲۰۱۷). Multiresolution ...
  • Qian, Y., Bi, M., Tan, T., & Yu, K. (۲۰۱۶). ...
  • Han, S., Kang, J., Mao, H., Hu, Y., Li, X., ...
  • Gales, M. J. (۱۹۹۸). Maximum likelihood linear transformations for HMM-based ...
  • Zhu, Y., Zhao, C., Wang, J., Zhao, X., Wu, Y., ...
  • Cai, Z., & Vasconcelos, N. (۲۰۱۸). Cascade R-CNN: delving into ...
  • Ghiasi, G., Lin, T. Y., & Le, Q. V. (۲۰۱۹). ...
  • نمایش کامل مراجع