Réseaux de neurones récurrents pour le traitement automatique de la parole

Résumé : Le domaine du traitement automatique de la parole regroupe un très grand nombre de tâches parmi lesquelles on trouve la reconnaissance de la parole, l'identification de la langue ou l'identification du locuteur. Ce domaine de recherche fait l'objet d'études depuis le milieu du vingtième siècle mais la dernière rupture technologique marquante est relativement récente et date du début des années 2010. C'est en effet à ce moment qu'apparaissent des systèmes hybrides utilisant des réseaux de neurones profonds (DNN) qui améliorent très notablement l'état de l'art. Inspirés par le gain de performance apporté par les DNN et par les travaux d'Alex Graves sur les réseaux de neurones récurrents (RNN), nous souhaitions explorer les capacités de ces derniers. En effet, les RNN nous semblaient plus adaptés que les DNN pour traiter au mieux les séquences temporelles du signal de parole. Dans cette thèse, nous nous intéressons tout particulièrement aux RNN à mémoire court-terme persistante (Long Short Term Memory (LSTM) qui permettent de s'affranchir d'un certain nombre de difficultés rencontrées avec des RNN standards. Nous augmentons ce modèle et nous proposons des processus d'optimisation permettant d'améliorer les performances obtenues en segmentation parole/non-parole et en identification de la langue. En particulier, nous introduisons des fonctions de coût dédiées à chacune des deux tâches: un simili-WER pour la segmentation parole/non-parole dans le but de diminuer le taux d'erreur d'un système de reconnaissance de la parole et une fonction de coût dite de proximité angulaire pour les problèmes de classification multi-classes tels que l'identification de la langue parlée.
Type de document :
Thèse
Réseau de neurones [cs.NE]. Université Paris-Saclay, 2017. Français. 〈NNT : 2017SACLS295〉
Liste complète des métadonnées

Littérature citée [292 références]  Voir  Masquer  Télécharger

https://tel.archives-ouvertes.fr/tel-01615475
Contributeur : Abes Star <>
Soumis le : jeudi 12 octobre 2017 - 14:17:08
Dernière modification le : jeudi 11 janvier 2018 - 06:25:47

Fichier

74630_GELLY_2017_diffusion.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01615475, version 1

Collections

Citation

Grégory Gelly. Réseaux de neurones récurrents pour le traitement automatique de la parole. Réseau de neurones [cs.NE]. Université Paris-Saclay, 2017. Français. 〈NNT : 2017SACLS295〉. 〈tel-01615475〉

Partager

Métriques

Consultations de la notice

752

Téléchargements de fichiers

792