20.500.12556/RUL-164830 Exploring energy-efficient key word spotting on Android using network compression techniques and a model selection algorithm Raziskovanje energetsko učinkovitega zaznavanja ključnih besed na Androidu z uporabo kompresijskih tehnik in algoritma za izbiro modela This thesis explores the development of an Android application for real-time keyword spotting, utilizing neural network based models deployed locally on the device. A central aspect of this work is the implementation of an algorithm that selects the most appropriate level of model complexity based on internal factors such as the device’s battery level and previous inference outcomes. Three models used were created using varying architecture designs and post-training quantization. The application captures audio through the device’s microphone, processes it to extract MFCC features, selects the model and performs classification, ensuring that the processing pipeline remains consistent with the model’s training conditions. Beyond the application itself, this thesis aims to provide insights into the performance of the adaptive complexity algorithm. It evaluates the trade-offs between energy consumption and classification accuracy across different app configurations: using a single model versus employing the adaptive algorithm. Ta diplomska naloga predstavlja izvedbo Android aplikacije, namenjene prepoznavanju ključnih besed v realnem času z uporabo TensorFlow Lite modelov, nameščenih lokalno na napravi. Poudarek je na implementaciji algoritma, ki izbere najprimernejši nivo kompleksnosti klasifijkacijskega modela na podlagi notranjih parametrov, kot so raven baterije naprave in prejšnji rezultati sklepanja. Omenjeni trije modeli so bili ustvarjeni z uporabo različnih arhitektur nevronskih mrež in s kvantizacijo. Aplikacija zajema zvok preko mikrofona naprave, ga obdela za pridobitev MFCC značilk, izbere model in nato izvaja klasifikacijo za prepoznavanje ključnih besed. Poleg same aplikacije, se teza posveča tudi evalvaciji delovanja algoritma za prilagodljivo kompleksnos in oceni kompromis med porabo energije in natančnostjo klasifikacije pri različnih konfiguracijah aplikacije: uporaba enega samega modela v primerjavi z uporabo algoritma. keyword spotting neural network MFCC zaznavanje ključnih besed nevronska mreža MFCC true false false Angleški jezik Slovenski jezik Diplomsko delo/naloga 2024-11-13 12:13:27 2024-11-13 12:13:27 2024-12-30 08:49:34 0000-00-00 00:00:00 2024 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 37455 214137859 Stimec_Gasper_-_Raziskovanje_energetsko_ucinkovitega_zaznavanja_kljucnih_besed_na_Androidu_z_upo.pdf Stimec_Gasper_-_Raziskovanje_energetsko_ucinkovitega_zaznavanja_kljucnih_besed_na_Androidu_z_upo.pdf 1 51735BC9CB546326DEA0AD305AEACB99 2f0ee4f85a606a1495e8d5a0ec73faf23392c82f0d36b46fdb51f102155fd7f5 f143bdc9-a1af-11ef-b232-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=195590 Fakulteta za računalništvo in informatiko 0 0 0