Andere Kunden interessierten sich auch für
![Identificación y reconocimiento de personas mediante la marcha]( "Identificación y reconocimiento de personas mediante la marcha")
Identificación y reconocimiento de personas mediante la marcha24,99 €![Voto inteligente a través de la verificación del DNI mediante el reconocimiento facial]( "Voto inteligente a través de la verificación del DNI mediante el reconocimiento facial")
Voto inteligente a través de la verificación del DNI mediante el reconocimiento facial26,99 €![Reconocimiento facial mediante análisis de componentes principales y redes neuronales]( "Reconocimiento facial mediante análisis de componentes principales y redes neuronales")
Reconocimiento facial mediante análisis de componentes principales y redes neuronales24,99 €![Voz a código con el lenguaje de programación Python]( "Voz a código con el lenguaje de programación Python")
Voz a código con el lenguaje de programación Python45,99 €![Sistema inteligente de control de asistencia basado en el reconocimiento facial]( "Sistema inteligente de control de asistencia basado en el reconocimiento facial")
Sistema inteligente de control de asistencia basado en el reconocimiento facial24,99 €![Pi Voice: Automatización del hogar con el control por voz de Raspberry Pi]( "Pi Voice: Automatización del hogar con el control por voz de Raspberry Pi")
Pi Voice: Automatización del hogar con el control por voz de Raspberry Pi34,99 €![Imágenes monocromas para mejorar el reconocimiento de objetos]( "Imágenes monocromas para mejorar el reconocimiento de objetos")
Imágenes monocromas para mejorar el reconocimiento de objetos40,99 €
En los últimos años, aunque el reconocimiento de voz es muy prometedor, su adopción generalizada se ha visto obstaculizada por un rendimiento subóptimo caracterizado por su baja precisión y problemas de fiabilidad. Sin embargo, es esencial abordar estos retos para aprovechar al máximo las capacidades del reconocimiento biométrico de voz, ya que las encuestas indican una preferencia por la biometría de voz. En situaciones en las que se emplea la autenticación biométrica remota del hablante, mantener la integridad de los vectores de características cepstrales extraídos se convierte en algo primordial en presencia de ruido en el canal. Para mejorar la precisión del reconocimiento de hablantes en aplicaciones remotas, se propone un enfoque novedoso en el que se utilizan códigos de comprobación de paridad de baja densidad (LDPC) y códigos polares tanto para el almacenamiento como para la transmisión de los coeficientes cepstrales de frecuencia Mel (MFCC) extraídos de muestras de voz. Se describen cuatro métodos propuestos e implementados que dan como resultado menores tasas de error de bits en canales ruidosos, así como una alta tasa de precisión para el sistema de reconocimiento de hablantes remotos. Este libro concluye con la sugerencia de utilizar la codificación LDPC y polar como parte integral del reconocimiento de hablantes remotos dentro de un sistema de autenticación biométrica multimodal.