Audio signal based 3D space reconstruction using deep convolutional neural networks

Διπλωματική Εργασία uoadl:2880712 264 Αναγνώσεις

Μονάδα:
Κατεύθυνση Ηλεκτρονικός Αυτοματισμός (Η/Α, με πρόσθετη εξειδίκευση στην Πληροφορική και στα πληροφοριακά συστήματα)
Βιβλιοθήκη Σχολής Θετικών Επιστημών
Ημερομηνία κατάθεσης:
2019-09-13
Έτος εκπόνησης:
2019
Συγγραφέας:
Φραγκιαδάκης Εμμανουήλ
Στοιχεία επιβλεπόντων καθηγητών:
Διονύσιος Ρεϊσης, Αναπλ. Καθηγητής ΕΚΠΑ
Πρωτότυπος Τίτλος:
Audio signal based 3D space reconstruction using deep convolutional neural networks
Γλώσσες εργασίας:
Αγγλικά
Μεταφρασμένος τίτλος:
Αναπαράσταση του τρισδιάστατου χώρου βασισμένη σε ηχητικά σήματα με χρήση νευρωνικών δικτύων
Περίληψη:
Στη παρούσα εργασία ασχολήθηκε με τον σχεδιασμό και την
εκπαίδευση νευρωνικού δικτύου ικανού να αντιλαμβάνεται τον
τρισδιάστατο χώρο χρησιμοποιώντας ήχο. Εμπνευσμένος από τον
τρόπο με τον οποίο οι νυχτερίδες χρησιμοποιούν ηχοεντοπισμό για να
συλλέγουν λεπτομερείς πληροφορίες για τον περιβάλλοντα χώρο,
στόχος είναι η διερεύνηση και ο σχεδιασμός νευρωνικού δικτύου που
να μπορεί να κατασκευάσει την στερεοσκοπική αναπαράσταση του
τρισδιάστατου χώρου βασιζόμενο αποκλειστικά σε φαινόμενα
αλλοίωσης ηχητικών σημάτων λόγω αλληλεπίδρασης με την ύλη
(ανάκλαση, διάχυση κ.ο.κ.). Ο μεγάλος αριθμός παραδειγμάτων που
απαιτείται για την εκπαίδευση του δικτύου, παράχθηκε, αρχικά, από
λογισμικό προσομοίωσης τρισδιάστατου χώρου μέσα στον οποίο
προσομοιώνεται η διάδοση του ήχου με την μέθοδο ray tracing. Τέλος,
σχεδιάζεται και κατασκευάζεται αυτοματισμός με σκοπό την συλλογή
ικανού αριθμού παραδειγμάτων σε πραγματικές συνθήκες.
Κύρια θεματική κατηγορία:
Θετικές Επιστήμες
Λέξεις-κλειδιά:
νευρωνικά δίκτυα, μηχανική μάθηση, ανακατασκευή τρισδιάστατου χώρου, συνελικτικά δίκτυα, κατηγοριοποίηση
Ευρετήριο:
Όχι
Αρ. σελίδων ευρετηρίου:
0
Εικονογραφημένη:
Ναι
Αρ. βιβλιογραφικών αναφορών:
6
Αριθμός σελίδων:
122
Αρχείο:
Δεν επιτρέπεται η πρόσβαση στο αρχείο. H πρόσβαση επιτρέπεται μόνο εντός του δικτύου του ΕΚΠΑ.

AUDIO SIGNAL BASED 3D SPACE RECONSTRUCTION USING DEEP CONVOLUTIONAL NEURAL NETWORKS.pdf
2 MB
Δεν επιτρέπεται η πρόσβαση στο αρχείο. H πρόσβαση επιτρέπεται μόνο εντός του δικτύου του ΕΚΠΑ.