Wyszukiwarka
Abstrakt
A multimodal corpus developed for research of speech recognition based on audio-visual data is presented. Besides usual video and sound excerpts, the prepared database contains also thermovision images and depth maps. All streams were recorded simultaneously, therefore the corpus enables to examine the importance of the information provided by different modalities. Based on the recordings, it is also possible to develop a speech recognition system which analyzes many modalities at the same time. The paper describes the process of multimodal material collection and the post-processing procedure applied to this material. Parameterization methods of signals belonging to different modalities are also proposed.
Autorzy (8)
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Aktywność konferencyjna
- Typ:
- materiały konferencyjne indeksowane w Web of Science
- Tytuł wydania:
- Signal Processing Algorithms, Architectures, Arrangements and Applications strony 106 - 111
- ISSN:
- 2326-0262
- Język:
- angielski
- Rok wydania:
- 2013
- Opis bibliograficzny:
- Kunka B., Kupryjanow A., Dalka P., Bratoszewski P., Szczodrak M., Spaleniak P., Szykulski M., Czyżewski A..: Multimodal English corpus for automatic speech recognition, W: Signal Processing Algorithms, Architectures, Arrangements and Applications, 2013, IEEE,.
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 134 razy