Hluboké neuronové sítě a jejich použití

Bc. Jakub Sadílek

Diplomová práce

Deep neural networks and their usage

Anotace:

Tato diplomová práce zkoumá možnost využití specificky vybrané podmnožiny velkorozměrné datové sady audio záznamů AudioSet pro trénování hluboké neuronové sítě řešící úlohu klasifikace zvukových událostí. V rámci teoretické části práce je sestavena rešerše na téma neuronových sítí, hlubokého učení a metodik a nástrojů aplikovatelných v procesu trénování hlubokých neuronových sítí. V praktické části je následně popsáno, jakým způsobem byla vybrána podmnožina kategorií zvukových událostí z celého datasetu, jakým způsobem byla získána použitelná data a jakým způsobem byla data transformována pro účely trénování hluboké neuronové sítě. Nakonec je popsán iterativní proces trénování neuronové sítě, v němž jsou aplikovány poznatky z teoretické části. V závěru práce jsou vyhodnoceny výsledky trénování a použitelnost zvoleného datasetu pro danou úlohu.

Abstract:

This thesis explores the possibility of utilizing a specifically selected subset of a large-scale audio dataset AudioSet for training a deep neural network to solve the task of sound event classification. Theoretical part of the thesis explores the topics of neural networks, deep learning, and methodologies and tools applicable in the process of training deep neural networks. The practical part then describes how a subset of sound event classes was selected from the full dataset, how usable data was obtained, and how the data was transformed for the purposes of training the deep neural network. Finally, the iterative process of neural network training is described, in which findings from the theoretical part are applied. The conclusion of the work evaluates the training results and the usability of the chosen dataset for the given task.

Klíčová slova

audio klasifikace, Keras, hluboké neuronové sítě, hluboké učení, Python, TensorFlow, AudioSet

Keywords

deep neural networks, deep learning, audio classification, AudioSet, TensorFlow, Keras, Python

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 2. 4. 2024

Obhajoba závěrečné práce

• Vedoucí: doc. Ing. Arnošt Veselý, CSc.
• Oponent: Richard Vágner, externi

Česká zemědělská univerzita v Praze

Provozně ekonomická fakulta

Magisterský studijní program:
Informatika