Plan cours parole 29 Octobre 2003  1. Applications et démos (appli) voir feuilles distribués + démos  2. Fondements théoriques (theorie)  2.1 voir cours 22 Octobre 2003  2.2 Reconnaissance de forme  3. Traitement du signal  voir feuilles distribuées

1. 2 Applications et démos (rappel: domaines ) Identité PHONETIQUE RECONNAISSANCE GRAPHEMES VERS PHONEMES SYNTHESE ANALYSE STOCKAGERESTITUTION TRANSMISSION Bla-bla bla … Bla-bla LANGUE MESSAGE

voir feuilles module 2-applis

Resultats de verification du locuteur du groupe DIVA-UniFribourg aux concours international annuel NIST 2003 NIST= National Institute for Standards and Technology aux USA

Demos www  AT&T “How May I Help You”  synthèse text-to-speech

2. Fondements théoriques 2.2 Reconnaissance de formes Humains et reco de formes (d’après Introduction du livre “Pattern Recognition” Duda,… )  L’être humain est en train de capter, analyser et réagir de manière continue: Processus associées= reconnaissance de formes Definition: les données sont capturées et analysées, en vue d’un but (vision pour marcher, reco parole pour comprendre..)  Leurs performance en “reconnaissance de formes” sont excellentes  humain: on ne sait pas exactement comment cela fonctionne: malgré d’énormes progrès en biologie, médecine, physique, …. on ne sait toujours pas le fonctionement exact des processus de “reconnaissance de forme” à tous les niveaux

2.2.2 Machines et reco de formes  Au contraire, les machines ont des piètres performances en “machine perception”: reco automatique de la parole vision artificille reconnaissance de caractère (systèmes OCR de Optical Character recognitions)....  Cela fonctionne mal, mais on sait comment cela fonctionne  Ce serait pourtant utile si cela marcerait mieux Pour l’automatisation Pour approfondir nos connaissance de fonctionement humain

2.2.3 Un exemple imaginaire  Automatisation de la tâche de triage de saumons et daurades, à partir des images captées avec une caméra se trouvant au-dessous du tapis de triage  On y arrive très bien, mais comment

2.2.4 Etapes d’un processus de reconnaissance de formes  données -> capture -> pre-traitement(segmentation) -> extraction de paramètres pertinents (feature extraction) -> classification saumon ……………......…….. daurade

2.2.5 Extraction de paramètres  Paramètre pertinents à partir d’une population de départ (d’entrainement) x1: longuer du poisson => histogram: de la longueur en foction du nombre de possons présent => seuil de décision => pas assèz caractéristique on a besoin d’informations supplémentaires x2: nobre de tâches x3: luminosité …. surfaces de décision classification

2.2.6 Design du système  collection de données ► choix des paramètres ► choix des modèles ► entraînement du classifieur ►evaluation du classifieur (avec données indépendantes)  Ex de difficulté de segmentation: anicipation articulatoire “sklee” and “skloo” prononciation de s différente OCR: association de deux barres horizontales de = pour former un seul symbole comment définir les unités atomiques  On verra chacune de ces étapes dans le cas du traitement automatique de la parole