Volumes horaires
- CM 0
- Projet 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, de traitements audio et de traitement de la parole. Ces objectifs sont remplis par la mise en oeuvre d'une application de débruitage de signaux de parole utilisant diverses techniques de traitement du signal numérique classiques et/ou des réseaux de neurones profonds.
Contact Pascal PERRIER, Laurent GIRINContenu(s)
- Conception, réalisation et évaluation d'une application de traitement du signal de parole/audio (débruitage de parole)
- 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.