Titre du mémoire :

Conception et réalisation d’une plate forme de services ubiquitaires pour l’apprentissage automatique de la prononciation

Résumé :

Cette thèse porte sur le problème de l'apprentissage de la prononciation dans un contexte de service ubiquitaire. Ainsi, la problématique de cette thèse est double : D’une part, il s’agit de mettre en place un système CAPT (Computer Assisted Pronunciation Teaching) basé sur la reconnaissance automatique de la parole Arabe; le but du système étant de produire un feedback fiable sur les erreurs de prononciation. D'autre part, il s'agit de s'inscrire dans un contexte de communication mobile.

Etudiant (e) : Bilal DENDANI
Niveau : Doctorat 3ème cycle
Co-encadreur : Toufik SARI
Date de soutenance :
Titre du mémoire :

Approche hybride pour la reconnaissance de la parole

Résumé :

The implementation of a pattern recognition classifier requires the existence of datasets sufficiently informed to establish the relationships between the pattern features and the classes to which patterns belong. This is particularly true for speech recognition where a lot of hours of segmented and labelled speech are needed. These resources are unavailable for low-resourced languages. The embedded leaning algorithm based on Hidden Markov Models (HMMs) stands as an opportunity for fully automated segmentation of speech corpus. This algorithm suffers from few limitations related to the flat initialization; we suggest the use of a Support Vector Machine (SVM) to make initial conditions more favourable for the convergence of the algorithm. First, the HMM/SVM segmentation algorithm is applied to produce an annotated corpus. Then, the annotated corpus serves as a training corpus to a speech recognizer, and its performances, in term of accuracy, are compared to those produced by the recognizer built upon the segmentation produced by the embedded learning algorithm with flat initialization. Arabic speech segmentation has been used as a test case, and the effectiveness of the proposed segmentation system was confirmed by the experimental results in term of hit rate as well as accuracy.

Etudiant (e) : Hamza FRIHIA
Niveau : Doctorat en sciences
Co-encadreur :
Date de soutenance : 08-02-2017
Titre du mémoire :

Plate-forme pour l’analyse et la restauration des documents anciens

Résumé :

Le projet rentre dans le cadre de l'évaluation quantitative objective des méthodes de binarisation pour des images de documents dégradés.

Etudiant (e) : Kefali AbdelRahmane
Niveau : Doctorat en sciences
Co-encadreur : Sari Toufik
Date de soutenance : 14-11-2015
Titre du mémoire :

Indexation de bases de données audio

Résumé :

Le travail consiste à indexer une base de chansons utilisant les facettes bibliographique (métadonnées) et textuelle (titre et refrain d’une chanson) et les structures de données avancées pour représenter les chansons algériennes

Etudiant (e) : Lachtar Nadia
Niveau : Doctorat en sciences
Co-encadreur :
Date de soutenance : 24 Mai 2016
Titre du mémoire :

Evaluation de la prononciation

Résumé :

Nous nous situons dans le contexte de l’évaluation automatique de la prononciation en Arabe. Cette évaluation est fournie sous forme de feedbacks informatifs (scores) résumant la qualité globale de la prononciation. Il s’agit de mettre les approches de la reconnaissance automatique de la parole (ASR) au service d’un système d’enseignement de prononciation en Arabe.

Etudiant (e) : Necibi Khaled
Niveau : Doctorat 3ème cycle
Co-encadreur : Baaziz AbdelHalim
Date de soutenance : 27 Janvier 2016
Titre du mémoire :

Fouille de données audio

Résumé :

La diffusion et la distribution de la musique en ligne devenant de plus en plus importantes. Les bases de données commerciales et personnelles, augmentent de façon considérable. Il est devenu nécessaire de disposer d’outils permettant de classer et d’accéder à ces bases en effectuant des analyses par le contenu musical. Le travail présenté dans notre thèse consiste à savoir, en ces temps où il est coutume de dire que les goûts de nos jeunes sont médiocres, si vraiment les chanteurs qu’ils préfèrent ne disposent pas de grandes qualités vocales, ce travail entre dans le cadre de fouille de données audio incluant des données hétérogènes.

Etudiant (e) : Maazouzi Faiz
Niveau : Doctorat 3ème cycle
Co-encadreur :
Date de soutenance : 17 - 03 - 2014