Volumes horaires
- CM 0
- Projet 32.0
- TD 0
- Stage 0
- TP 0
- DS 0
Crédits ECTS
Crédits ECTS 4.0
Objectif(s)
Assimilation des aspects théoriques du traitement numérique des signaux (échantillonnage, filtrage numérique, transformée de Fourier discrète et analyse spectrale, etc.); Illustration du cours de deep learning. Ces deux objectifs sont remplis par la mise en oeuvre d'une application de traitement de parole/audio utilisant diverses techniques de traitement du signal numérique classiques et/ou des réseaux de neurones profonds. Deux sujets sont proposés: débruitage de parole et conversion de voix.
Contact Laurent GIRIN, Pascal PERRIERContenu(s)
- Conception, réalisation et évaluation d'une application de traitement du signal de parole/audio (débruitage de parole ou conversion de voix)
- Mise en oeuvre de diverses techniques de traitement du signal numérique classiques et/ou des réseaux de neurones profonds
- Assimilation des aspects théoriques sous-jacents
Prérequis
- Notions fondamentales de traitement du signal analogique et numérique
- Notions fondamentales de machine learning et de deep learning
- Connaissance de Matlab/Python et/ou environnements de programmation de deep learning (type Keras, Pytorch)
Rapport de projet écrit décrivant le travail réalisé et les résultats expérimentaux + Soutenance orale (30mn ou 45mn) incluant une session de questions
Session 1: Rapport de projet 50% + soutenance orale 50%
Session 2: Rapport de projet 50% + soutenance orale 50%. Un travail pratique complémentaire pourra être demandé en cas d'insuffisance du travail effectué.
Session 1 confinée: Rapport de projet 50% + soutenance orale 50%
Session 2 confinée: Rapport de projet 50% + soutenance orale 50%. Un travail pratique complémentaire pourra être demandé en cas d'insuffisance du travail effectué.
BELLANGER M., Traitement numérique du signal, Masson/CNET, Paris, 1990.
OPPENHEIM A.V., SHAFFER W.S., Digital Signal Processing, Prentice Hall, 1975.
ROBERT R.A., MULLIS C.T., Digital Signal Processing, Addison-Wesley Publishing Company, 1987.
Christopher Bishop, Pattern Recognition and Machine Learning. Springer, 2006.
Yann LeCun, Yoshua Bengio and Geoffrey Hinton, Deep learning. Nature, 521(7553), 436, 2015.