Work

A Comparison of Deep Learning Architectures for Automatic Gender Recognition from Audio Signals

Year: 2021

Type: conference-paper

Abstract: O reconhecimento de gênero a partir da fala é um problema relacionado à análise de fala humana, e possui diversas aplicações que vão desde a personalização na recomendação de produtos à ciência forense. A identificação da eficiência e custos de diferentes abordagens que lidam com esse problema é imprescindível. Este trabalho tem como foco investigar e comparar a eficiência e custos de diferentes arquiteturas de deep learning para o reconhecimento de gênero a partir da fala. Os resultados mostram que o modelo convolucional unidimensional consegue os melhores resultados. No entanto, constatou-se que o modelo fully connected apresentou resultados próximos com menor custo, tanto no uso de memória, quanto no tempo de treinamento.

DOI: 10.5753/eniac.2021.18297

Authors: Alef Iury S. Ferreira, Frederico S. Oliveira, Nádia F. Felipe da Silva, Anderson S. Soares

Institutions: Universidade Federal de Goiás, Universidade Federal de Mato Grosso

Language: Portuguese

Topic: Speech Recognition and Synthesis

Subfield: Artificial Intelligence

Field: Computer Science

Domain: Physical Sciences

SDGs: Gender equality, Reduced inequalities

Open Access status: gold

OpenAlex ID: W4200219451

FWCI:

Cites: 24

Cited by:

Related to: 10