TU Darmstadt / ULB / TUbiblio

A hierarchical model for syllable recognition

Domont, Xavier ; Heckmann, Martin ; Wersing, Heiko ; Joublin, Frank ; Goerick, Christian (2007)
A hierarchical model for syllable recognition.
15th European Symposium on Artificial Neural Networks. Bruges, Belgium (25.04.2007-27.04.2007)
Konferenzveröffentlichung, Bibliographie

Kurzbeschreibung (Abstract)

Inspired by recent findings on the similarities between the primary auditory and visual cortex we propose a neural network for speech recognition based on a hierarchical feedforward architecture for visual object recognition. When using a Gammatone filterbank for the spectral analysis the resulting spectrograms of syllables can be interpreted as images. After a preprocessing enhancing the formants in the speech signal and a length normalization, the images can than be fed into the visual hierarchy. We demonstrate the validity of our approach on the recognition of 25 different monosyllabic words and compare the results to the Sphinx-4 speech recognition system. Especially for noisy speech our hierarchical model achieves a clear improvement.

Typ des Eintrags: Konferenzveröffentlichung
Erschienen: 2007
Autor(en): Domont, Xavier ; Heckmann, Martin ; Wersing, Heiko ; Joublin, Frank ; Goerick, Christian
Art des Eintrags: Bibliographie
Titel: A hierarchical model for syllable recognition
Sprache: Englisch
Publikationsjahr: 28 April 2007
Buchtitel: Proceedings of the European Symposium on Artificial Neural Networks 2007
Veranstaltungstitel: 15th European Symposium on Artificial Neural Networks
Veranstaltungsort: Bruges, Belgium
Veranstaltungsdatum: 25.04.2007-27.04.2007
URL / URN: https://www.esann.org/proceedings/2007
Kurzbeschreibung (Abstract):

Inspired by recent findings on the similarities between the primary auditory and visual cortex we propose a neural network for speech recognition based on a hierarchical feedforward architecture for visual object recognition. When using a Gammatone filterbank for the spectral analysis the resulting spectrograms of syllables can be interpreted as images. After a preprocessing enhancing the formants in the speech signal and a length normalization, the images can than be fed into the visual hierarchy. We demonstrate the validity of our approach on the recognition of 25 different monosyllabic words and compare the results to the Sphinx-4 speech recognition system. Especially for noisy speech our hierarchical model achieves a clear improvement.

Fachbereich(e)/-gebiet(e): 18 Fachbereich Elektrotechnik und Informationstechnik
18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Automatisierungstechnik und Mechatronik
18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Automatisierungstechnik und Mechatronik > Regelungsmethoden und Robotik (ab 01.08.2022 umbenannt in Regelungsmethoden und Intelligente Systeme)
Hinterlegungsdatum: 16 Aug 2010 14:31
Letzte Änderung: 18 Apr 2023 13:01
PPN:
Export:
Suche nach Titel in: TUfind oder in Google
Frage zum Eintrag Frage zum Eintrag

Optionen (nur für Redakteure)
Redaktionelle Details anzeigen Redaktionelle Details anzeigen