Data Augmentation Model for Audio Signal Extraction

Muthumari, M.; Bhuvaneswari, C.; Babu, J Eswar Naga Sai Kumar; Raju, S Prudhvi

doi:10.1109/icesc54411.2022.9885539

Cited by 7 publications

(3 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Augmentasi data sendiri dapat diterapkan pada berbagai data seperti teks, audio, gambar, dan data lainnya [12]. Beberapa penelitian yang menggunakan machine learning/deep learning menerapkan augmentasi pada data yang dimilikinya, seperti Refai menerapkan augmentasi pada data teks [16], Muthumari yang menerapkan augmentasi pada data audio [17], dan Alam menerapkan augmentasi pada data gambar/citra [18].…”

Section: Augmentasi Dataunclassified

Augmentasi Data pada Prasasti Logam untuk Deteksi Aksara Kawi

Rachmat Santoso

2024

View full text Add to dashboard Cite

Deep learning telah diterapkan di berbagai bidang seperti pembacaan aksara pada prasasti. Beberapa penelitian telah menerapkan deep learning dan menciptakan model dengan akurasi yang tinggi untuk melakukan deteksi dan pengenalan aksara pada prasasti. Seperti diketahui deep learning memerlukan data dalam jumlah yang besar dan bervariasi untuk menghasilkan model dengan performa yang tinggi. Namun sayangnya, tidak semua data memiliki jumlah yang cukup besar untuk mendukung proses pelatihan dengan deep learning. Data Prasasti merupakan salah satu contoh data yang memiliki jumlah terbatas karena susah untuk ditemukan. Untuk mendukung ketersediaan data dalam jumlah besar serta bervariasi, penelitian ini menerapkan augmentasi pada data aksara di prasasti untuk memenuhi kebutuhan dataset pelatihan deep learning. Teknik augmentasi data yang digunakan telah disesuaikan dengan data berjenis aksara, seperti rotasi, translasi, zoom, blur serta kombinasi antara teknik tersebut untuk menciptakan variasi baru. Penelitian ini menggunakan 3 (tiga) sampel data gambar yang diambil dari salah satu lempeng Prasasti Waruṅgahan. Menerapkan 19 teknik augmentasi data, penelitian ini menghasilkan data baru dengan jumlah yang besar serta bervariasi. Sebelum augmentasi, data gambar hanya sebanyak 3 (tiga) data dengan total 285 label. Setelah augmentasi dilakukan, jumlah data meningkat menjadi 60 data gambar lempeng dengan total 4975 label. Hasil augmentasi data ini digunakan sebagai dataset pelatihan untuk YOLO object detection. Hasil pelatihan yang dilakukan pada penelitian lain menunjukkan bahwa penambahan jumlah serta variasi data meningkatkan akurasi pendeteksian aksara khususnya pada Prasasti Waruṅgahan.

show abstract

Section: Augmentasi Dataunclassified

Augmentasi Data pada Prasasti Logam untuk Deteksi Aksara Kawi

Rachmat Santoso

2024

View full text Add to dashboard Cite

show abstract

“…An audio synthesis method that performs DA using appropriate seed audio corresponding to the target sound to be recognized is analyzed in [13]. Recent findings for environmental sound prediction are investigated with four augmentation techniques: Random Sequential, Random Independent, Specified Sequential and Specified Independent [14].…”

Section: Related Workmentioning

confidence: 99%

“…Nevertheless, this process is both costly and time-consuming. To address these limitations and enhance the generalization and robustness of ASR systems, modern data augmentation (DA) techniques have been applied [3][4][5][6][7][8][9][10][11][12][13][14]. Audio data augmentation employs a wide range of techniques to synthesize new audio samples from original ones, with the aim of increasing the dataset size and also reducing overfitting issues in ASR systems.…”

Section: Introductionmentioning

confidence: 99%

Untitled

2023

Adv. Electr. Comp. Eng.

View full text Add to dashboard Cite

Automatic Speech Recognition (ASR) systems are notorious for their poor performance in adverse conditions, leading to high sensitivity and low robustness. Due to the costly and time-consuming nature of creating extensive speech databases, addressing the issue of low robustness has become a prominent area of research, focusing on the synthetic generation of speech data using pre-existing natural speech. This paper examines the impact of standard data augmentation techniques, including pitch shift, time stretch, volume control, and their combination, on the accuracy of isolated-word ASR systems. The performance of three machine learning models, namely Hidden Markov Models (HMM), Support Vector Machines (SVM), and Convolutional Neural Networks (CNN), is analyzed on two Serbian corpora of isolated words. The Whi-Spe speech database in neutral phonation is utilized for augmentation and training, and a specifically developed Python-based software tool is employed for the augmentation process in this research study. The conducted experiments demonstrate a statistically significant reduction in the Word Error Rate (WER) for the CNN-based recognizer on both testing datasets, achieved through a single augmentation technique based on pitch-shifting.

show abstract