Spektrogram tekniği kullanılarak derin öğrenme yöntemleri ile ses tanıma

Ses tanıma insan sesinin bir mikrofon vasıtasıyla bilgisayar tarafından algılanarak tanınması işlemidir. Gelişen teknoloji sürecinde kendine önemli bir yer oluşturmaya başlamıştır. Bu çalışmada, daha önceden kaydedilmiş konuşma komutlarının tanınması için derin öğrenme yöntemleri kullanılmıştır. İki boyutlu derin öğrenme yapılarında işlenmek üzere ses verileri spektogram yöntemi kullanılarak görüntüye çevrilmiştir. Spektogram yöntemi hızlı fourier dönüşümü temelli alt örnekleme tekniğidir. Beş farklı evrişimsel sinir ağı modeli oluşturularak spektogram tekniği ile elde edilen görüntülerin sınıflandırılması gerçekleştirilmiştir. Karşılaştırmalı analiz kapsamında veri seti ayrı kategoriler halinde farklı sınıf sayısına bölünmüştür. Sınıf sayısının derin öğrenme yapıları üzerindeki etkisi araştırılmıştır. Ayrıca, farklı sayıda eğitim verileri kullanılarak ağın duyarlılığı değerlendirilmiştir. Ağların performansını değerlendirmek için Softmax ve Destek Vektör Makinesi olmak üzere iki sınıflandırıcı kullanılmıştır. Elde edilen sonuçlar dikkate alındığında % 95'in üzerinde sınıflama doğruluğuna ulaşıldığı görülmüştür.