@MASTERSTHESIS{ 2020:1410487715,
 	title = {Reconhecimento Automático de Fonemas via RNA Profunda},
 	year = {2020},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/3355",
 	abstract = "Este trabalho apresenta um modelo de reconhecimento de fonemas utilizando técnicas
 de detecção de objetos. Utilizou-se o detector Single Shot Detection em conjunto com a
 arquitetura de rede convolucional MobileNet. As bases de dados empregadas para treinar o
 modelo foram a TIMIT e a LibriSpeech, ambas são constituídas por áudios da língua inglesa.
 Para criar uma representação gráfica dos áudios das bases, para cada amostra de áudio,
 calculou-se o seu espectrograma na escala de Mel e para treinar o algoritmo de detecção de
 localização dos fonemas, anotou-se a posição temporal da ocorrência de cada fonema no seu
 respectivo espectrograma. Adicionalmente, foi necessário aumentar o conjunto de dados de
 treino, de forma a proporcionar melhora na generalização do modelo e para isso, juntaramse
 as duas bases de dados e aplicaram-se técnicas de aumento de dados para áudios. Os
 resultados deste trabalho ficaram próximos dos resultados obtidos em importantes trabalhos
 recentemente publicados. Esta pesquisa usou dois modelos com arquiteturas diferentes: a
 arquitetura MobileNet−Large, a qual obteve uma acurácia de 0,72 mAP@0.5IOU e uma
 taxa de erro por fonema de 19,47% e a arquitetura MobileNet − Small, a qual obteve
 uma acurácia de 0,63 mAP@0.5IOU e taxa de erro por fonema igual a 31,02%.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}