{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2880712"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2880712","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Audio signal based 3D space reconstruction using deep convolutional neural networks","abstract":"Στη παρούσα εργασία ασχολήθηκε με τον σχεδιασμό και την εκπαίδευση νευρωνικού δικτύου ικανού να αντιλαμβάνεται τον τρισδιάστατο χώρο χρησιμοποιώντας ήχο. Εμπνευσμένος από τον τρόπο με τον οποίο οι νυχτερίδες χρησιμοποιούν ηχοεντοπισμό για να συλλέγουν λεπτομερείς πληροφορίες για τον περιβάλλοντα χώρο, στόχος είναι η διερεύνηση και ο σχεδιασμός νευρωνικού δικτύου που να μπορεί να κατασκευάσει την στερεοσκοπική αναπαράσταση του τρισδιάστατου χώρου βασιζόμενο αποκλειστικά σε φαινόμενα αλλοίωσης ηχητικών σημάτων λόγω αλληλεπίδρασης με την ύλη (ανάκλαση, διάχυση κ.ο.κ.). Ο μεγάλος αριθμός παραδειγμάτων που απαιτείται για την εκπαίδευση του δικτύου, παράχθηκε, αρχικά, από λογισμικό προσομοίωσης τρισδιάστατου χώρου μέσα στον οποίο προσομοιώνεται η διάδοση του ήχου με την μέθοδο ray tracing. Τέλος, σχεδιάζεται και κατασκευάζεται αυτοματισμός με σκοπό την συλλογή ικανού αριθμού παραδειγμάτων σε πραγματικές συνθήκες.","abstract_html":"Στη παρούσα εργασία ασχολήθηκε με τον σχεδιασμό και την εκπαίδευση νευρωνικού δικτύου ικανού να αντιλαμβάνεται τον τρισδιάστατο χώρο χρησιμοποιώντας ήχο. Εμπνευσμένος από τον τρόπο με τον οποίο οι νυχτερίδες χρησιμοποιούν ηχοεντοπισμό για να συλλέγουν λεπτομερείς πληροφορίες για τον περιβάλλοντα χώρο, στόχος είναι η διερεύνηση και ο σχεδιασμός νευρωνικού δικτύου που να μπορεί να κατασκευάσει την στερεοσκοπική αναπαράσταση του τρισδιάστατου χώρου βασιζόμενο αποκλειστικά σε φαινόμενα αλλοίωσης ηχητικών σημάτων λόγω αλληλεπίδρασης με την ύλη (ανάκλαση, διάχυση κ.ο.κ.). Ο μεγάλος αριθμός παραδειγμάτων που απαιτείται για την εκπαίδευση του δικτύου, παράχθηκε, αρχικά, από λογισμικό προσομοίωσης τρισδιάστατου χώρου μέσα στον οποίο προσομοιώνεται η διάδοση του ήχου με την μέθοδο ray tracing. Τέλος, σχεδιάζεται και κατασκευάζεται αυτοματισμός με σκοπό την συλλογή ικανού αριθμού παραδειγμάτων σε πραγματικές συνθήκες.","abstract_has_math":false,"creators":["Φραγκιαδάκης Εμμανουήλ","Fragkiadakis Emmanouil"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2019,"date_issued":"2019","date_published":"2019","updated_at":"2026-11-19T05:35:58Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2880712"],"render_values":[{"text":"uoadl:2880712","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2880712","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2880712","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2880712","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Φραγκιαδάκης Εμμανουήλ","Fragkiadakis Emmanouil"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2019"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2880712","https://pergamos.lib.uoa.gr/uoa/dl/object/2880712"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στη παρούσα εργασία ασχολήθηκε με τον σχεδιασμό και την εκπαίδευση νευρωνικού δικτύου ικανού να αντιλαμβάνεται τον τρισδιάστατο χώρο χρησιμοποιώντας ήχο. Εμπνευσμένος από τον τρόπο με τον οποίο οι νυχτερίδες χρησιμοποιούν ηχοεντοπισμό για να συλλέγουν λεπτομερείς πληροφορίες για τον περιβάλλοντα χώρο, στόχος είναι η διερεύνηση και ο σχεδιασμός νευρωνικού δικτύου που να μπορεί να κατασκευάσει την στερεοσκοπική αναπαράσταση του τρισδιάστατου χώρου βασιζόμενο αποκλειστικά σε φαινόμενα αλλοίωσης ηχητικών σημάτων λόγω αλληλεπίδρασης με την ύλη (ανάκλαση, διάχυση κ.ο.κ.). Ο μεγάλος αριθμός παραδειγμάτων που απαιτείται για την εκπαίδευση του δικτύου, παράχθηκε, αρχικά, από λογισμικό προσομοίωσης τρισδιάστατου χώρου μέσα στον οποίο προσομοιώνεται η διάδοση του ήχου με την μέθοδο ray tracing. Τέλος, σχεδιάζεται και κατασκευάζεται αυτοματισμός με σκοπό την συλλογή ικανού αριθμού παραδειγμάτων σε πραγματικές συνθήκες.","In this essay will focus on the architecture of an artificial neural network capable of “learning” how to conceive the three-dimensional space through sound. Inspired by the bats’ sophisticated echolocation mechanism, capable of providing detailed information about the surrounding space, the main goal is to research, design and train an artificial neural network that could generate the stereoscopic representation of 3D space relying solely on acoustic signals. The network uses the sound’s spectrum to determine whether and how the sound interacted with solid matter (reflected, diffused etc.) extracting, this way, information about the object the soundwaves collided with. The large training set required for this task was, initially, generated by software that can simulate 3D-space and ray tracing was used to conceive the impression of the scene’s acoustics. Finally, an automation was designed and constructed to provide the means of creating large training sets out of real-world cases."]},{"key":"dc:title","label":"Title","values":["Audio signal based 3D space reconstruction using deep convolutional neural networks"]}]}],"canonical_facts":{"dc:creator":["Φραγκιαδάκης Εμμανουήλ","Fragkiadakis Emmanouil"],"dc:date":["2019"],"dc:description":["Στη παρούσα εργασία ασχολήθηκε με τον σχεδιασμό και την εκπαίδευση νευρωνικού δικτύου ικανού να αντιλαμβάνεται τον τρισδιάστατο χώρο χρησιμοποιώντας ήχο. Εμπνευσμένος από τον τρόπο με τον οποίο οι νυχτερίδες χρησιμοποιούν ηχοεντοπισμό για να συλλέγουν λεπτομερείς πληροφορίες για τον περιβάλλοντα χώρο, στόχος είναι η διερεύνηση και ο σχεδιασμός νευρωνικού δικτύου που να μπορεί να κατασκευάσει την στερεοσκοπική αναπαράσταση του τρισδιάστατου χώρου βασιζόμενο αποκλειστικά σε φαινόμενα αλλοίωσης ηχητικών σημάτων λόγω αλληλεπίδρασης με την ύλη (ανάκλαση, διάχυση κ.ο.κ.). Ο μεγάλος αριθμός παραδειγμάτων που απαιτείται για την εκπαίδευση του δικτύου, παράχθηκε, αρχικά, από λογισμικό προσομοίωσης τρισδιάστατου χώρου μέσα στον οποίο προσομοιώνεται η διάδοση του ήχου με την μέθοδο ray tracing. Τέλος, σχεδιάζεται και κατασκευάζεται αυτοματισμός με σκοπό την συλλογή ικανού αριθμού παραδειγμάτων σε πραγματικές συνθήκες.","In this essay will focus on the architecture of an artificial neural network capable of “learning” how to conceive the three-dimensional space through sound. Inspired by the bats’ sophisticated echolocation mechanism, capable of providing detailed information about the surrounding space, the main goal is to research, design and train an artificial neural network that could generate the stereoscopic representation of 3D space relying solely on acoustic signals. The network uses the sound’s spectrum to determine whether and how the sound interacted with solid matter (reflected, diffused etc.) extracting, this way, information about the object the soundwaves collided with. The large training set required for this task was, initially, generated by software that can simulate 3D-space and ray tracing was used to conceive the impression of the scene’s acoustics. Finally, an automation was designed and constructed to provide the means of creating large training sets out of real-world cases."],"dc:identifier":["uoadl:2880712","https://pergamos.lib.uoa.gr/uoa/dl/object/2880712"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Audio signal based 3D space reconstruction using deep convolutional neural networks"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:35:58Z"}