TÁVKÖZLÉSI ÉS MÉDIAINFORMATIKAI TANSZÉK
Budapesti Műszaki és Gazdaságtudományi Egyetem - Villamosmérnöki és Informatikai Kar

  • Computer vision (CV) and Natural Language Processing (NLP) are two main subfields of machine learning, and a lot of research is going on there. These two subfields overlap together in tasks such as text generation out of image (image2text) or vice-versa (text2image). A main obstacle in the way of teaching models (supervised learning) which are able to perform such tasks is the lack of labeled data, and a way to overcome this is to follow unsupervised learning approach. The task of the student(s) is to get familiar with those tasks and try to reproduce available solutions in order to be able to improve them later. No. of students: 1 - 3 contact email: alshouha@edu.bme.hu
    Témavezető : Modafar Mohammad Mahmood Al-Shouha
  • Speech is the most used and natural way for people to communicate. The goal of a VC system is to determine a transformation that makes the source speaker's speech sound as if the target speaker uttered it. This project aims to present a rule-based voice conversion system for emotion capable of converting neutral speech to emotional speech (i.e., angry, fear, happy, sad, surprise, etc.).
    Témavezető : Al-Radhi Mohammed Salah Hamza
  • A gépi beszédfelismeréshez (automatikus szövegleiratozáshoz) hagyományosan nagy mennyiségű hangra és hozzá tartozó szöveges leiratra van szükség. Ennek előállítása drága és időigényes. Az újabb, önfelügyelt tanításon alapuló megközelítések lehetővé tették a leiratmentes akusztikus előtanítást, így csupán egy pár órányi felügyelt tanítás is elegendő a beszédfelismerő betanításához. Ennél is továbbmegy a teljesen felügyelet nélküli tanítás: csupán írott szöveg alapján GAN (Generative Adversarial Network) segítségével sikerült a META (FB) kutatóinak "rávenni" az előtanított akusztikus modelleket a hang szöveges leiratozására. Magyar nyelvre szeretnénk a világon elsőként ilyen rendszer készíteni, amibe lehetőség van bekapcsolódni. Python programozási és deep learning ismeretek előnyt jelentenek. https://ai.facebook.com/blog/wav2vec-unsupervised-speech-recognition-without-supervision/
    Témavezető : Dr. Mihajlik Péter
  • Focused on Automatic Speech Recognition (ASR) 1.Attempting to explore the implications of data augmentation solution for limited-resource languages. 2.trying to find the optimal data augmentation solution by using Automatic Data Augmentation technical.
    Témavezető : Meng Kedalai
  • In this project, the student is required to develop a post-processing algorithm to generate a disparity depth map with hybrid method toward achieving an accurate performance in stereo matching with low error and low complex structures.
    Témavezető : Aboali Maged Yahya Ali Hussein

TIPPEK AZ ÖNÁLLÓ LABOR (ÉS SZAKDOLGOZAT, DIPLOMATERVEZÉS) TANTÁRGYAKHOZ

A lényege: A hallgató az év elején választ egy témát és vele egy egyéni konzulenst. Év közben egyéni munkarendben dolgozik (esetleg több labortárssal közösen), majd az év végén a tárgyfelelősnek írásban(elektronikusan beadva) és szóban (vetített képekkel) beszámol. (Vesd össze az ún. "szakirány labor" fogalmával: adott időpontban bemégy a laborba, ahol adott mérési utasítás alapján kell egy adott feladot "lemérned"). A tanszéken a témalabor tevékenység többféle tárgy keretében zajlik a résztvevők hallgatók szakjának (vill, infó), képzésének (BSc, MSc, ötéves), évfolyamának és szakirányának/ágazatának függvényében. A különféle tárgyak történeti és egyéb okokból más-más nevet viselnek, formailag más és más tárgyadatlapot, tárgykövetelményt tartalmaznak, történeti és terhelés megosztási okokból részben más és más a tárgyfelelős oktatójuk, de ettől függetlenül a tárgyak tematikája, követelmény rendszere harmonizált, lényegileg azonos. A témalabor tárgyak tematikai célja a mérnöki életben szokásos tipikus feladatok (lehetőleg az összes!) gyakorlása: A feladat specifikációjának részletes megértése, kidolgozása A szakmában, vagy a szakirodalomban az adott feladattípusra esetlegesen ismert megoldási lehetőségek felkutatása, bemutatása, elemzése. Az előző pont alapján a megoldás megtervezése, ideértve a helyes megvalósítás ellenőrzésének módját is (teszt tervek) A megoldás megvalósítása, elkészítése A megoldás ellenőrzése, értékelő elemzése A fenti séma nagyon sokféle feladatra alkalmazható, legyen az hardver, vagy szoftver.

MITŐL ÖNÁLLÓ A TÉMALABOR/ÖNÁLLÓLABOR?

Ha a konzulens ezt lehetővé teszi, akkor lehet csapatban dolgozni, de néhány dologra oda kell figyelni: A témalabor tárgyak tematikai célja a mérnöki életben szokásos tipikus feladatok (lehetőleg az összes) gyakorlása (lásd a témalabor fogalmi definícióját). Ezeket minden hallgatónak önállóan gyakorolnia kell (az összeset!), még ha esetleg csoportban is dolgozik. Ezért általában nem fogadható el, ha egy csapatban valaki csak "dokumentál", és valaki csak "kódol". Hangsúlybeli, aránybeli különbségek (akár jelentősek is) persze lehetnek a csapattagok között, de mindenkinek minden tevékenységfajtával foglalkoznia kell valamennyit. Adott esetben a tárgyfelelős előírásai szerint a csapattagok készíthetnek (részben) közös írásbeli és/vagy szóbeli beszámolókat, de ezekből minden esetben kideríthetőeknek kell lenni az egyéni csapattagok egyéni részfeladatainak és azok megoldásának.

HOGYAN VÁLASSZAK TÉMÁT?

Böngéssz az aktuális témakiírások között, és válassz 1-2-3 szimpatikus témát. Feltétlenül beszélj interaktívan a szimpatikus témák konzulenseivel (telefonon, vagy személyesen). Ha szükséges, akkor ehhez kérj személyes találkozót is. Faggasd ki, hogy mit lehet tudni a feladatról! Ha megegyeztetek, akkor végezd el az adott tárgy adott félév-eleji kötelező adminisztrációs és/vagy programozott mérési feladatait. Az adminisztrációs feladatok hasonlóak, de az aktuális tárgyfelelős szájaíze szerint vannak kisebb-nagyobb eltérések. Ez ügyben nézd meg: a tantárgy követelményét(!) a tárgy, vagy a tárgyfelelős honlapját, ahol adott esetben fontos, a tárgykövetelményekben nem szereplő hirdetményt találhatsz. Ezeket a hirdetményeket a tárgyfelelősök tudottnak veszik! Miután elvégezted a kötelező év eleji feladatokat, tennivalókat kezdj el dolgozni a konzulenseddel egyeztetett feladaton, a vele egyeztetett tempóban.

MIRE FIGYELJEK TÉMAVÁLASZTÁSKOR?

A téma legyen perspektivikus, azaz több féléven keresztül művelhető! Ideális esetben legyen diplomatervezésig vihető! Faggasd ki a konzulenst a munka jellegéről! Mondjuk az "Ismerkedés az internet világával" egysoros témacím rejthet akár a sorbanállási elméletre alapozó matematikai jellegű feladatot is! Erre ne a félév során kelljen rájönnöd. Ha a diploma után szeretnél esetleg doktori képzésben részt venni, akkor a sikeres felvételihez majdan publikációs pontok is kellenek. Ezt legegyszerűbben I-II-III. helyezést elérő TDK dolgozatokkal lehet elérni. Ehhez hasznos olyan témát keresni, amiből TDK-zni lehet.

Projekt labor utmutató angol nyelven: letöltés