منصة الرسائل والاطاريح: التعرف على المتكلم باستخدام طرق التعلم العميق

الخلاصة

يمكن للبشر التعرف على المتكلم من خلال الاستماع إلى كلامه ؛ ومع ذلك ، تواجه خوارزميات التعلم العميق مشكلة كبيرة في اكتساب هذه الموهبة البشرية الأساسية. يستخدم التعلم العميق ، مثل المستمعين من البشر ، جوانب من صوت المتكلم لتحديد هوية المتكلم. يُعرف التحدي الحسابي المتمثل في تحديد المتحدثين باستخدام الميزات التي تم جمعها من أصواتهم باسم تحديد المتكلم . في هذا المشروع ، تم تطوير نموذج التعلم العميق للتعرف على المتكلم بناءً على الشبكة العصبية الالتفافية (CNN). تستخدم التقنية المستندة إلى CNN المقترحة طريقة استخراج ميزات Cepstral التقليدية ذات التردد Mel (MFCCs) ، والتي تُستخدم على نطاق واسع لاستخراج ميزة الإشارات الصوتية والكلامية. تقدم هذه المقالة البحثية نظرة عامة سريعة على نظام تحديد المتكلم قبل الخوض في البنية العامة لنظام تحديد المتكلم باستخدام نموذج. CNN تتم مقارنة نهج CNN المقترح مع طريقة LSTM ، والتي يتم إجراؤها 100 مرة على نفس مجموعة البيانات. للمقارنة ، يتم عرض الحد الأقصى والمتوسط لدقة التصنيف. التقنية المقترحة المعتمدة على شبكة CNN لديها دقة متوسطة بنسبة 99.83٪. يكشف أن الطريقة المقترحة المعتمدة على CNN تحصل على أعلى دقة 99.86٪ ومتوسط الدقة 97.6٪ ، عند استخدام طريقة LSTM لا تكشف نتيجة جيدة جدًا فقط 81٪ على متوسط الدقة. ايضا تمت مقارنة النظام المقترح بدراسة سابقة تعتمد على طريقة الوحدة المتواترة (GRU) وتكشف دقة عالية بنسبة 98٪ ومتوسط نتيجة دقة 91٪ ، ومتوسط دقة طريقة GRU أقل من الطريقة المقترحة حوالي 6٪. ومتوسط دقة طريقة LSTM أقل من الطريقة المقترحة بحوالي 17٪ أقل من الطريقة المقترحة. نتيجة لذلك ، تفوق نموذج شبكة CNN المقترح على جميع النماذج الأخرى من حيث مدة تدريب النموذج ودقة التعرف والثبات.لذا النهج المقترح لتحديد المتكلم فعال جدا.