Introduction VC aims to convert the non-linguistic information of the speech signals wh...
發(fā)簡信
IP屬地：江蘇
-
Voice Conversion -
ASR SystemsIntroduction The ASR system can be categoried as three classes by its output. Phonem Gr...
-
Language Model for ASRBackground Automatic Speech Recognition (ASR) uses both acoustic model (AM) and languag...
-
語言模型融合 Language Model Fusion
Introduction In the previous articals, we have learnt the CTC loss makes assumption of ...
-
Keyword Spotting關(guān)鍵詞偵聽Introduction Keyword Spotting (KWS) aims at detecting predefined key-words in an audio ...
-
注意力機制的增強Enhancement of Attention MechanismMulti-headed Attention 一個attention head可能權(quán)重大部分在某處，不能提取豐富的信息，需要多個進行融合有勾。 Fusion/Aggregatio...
-
Query-Key-Value Perspective on Attention Mechanism 怎么用“查詢-鍵-值”理解注意力機制注意力機制 RNN編碼-解碼模型 論文[1]中叶洞，從RNN編碼-解碼模型演進出注意力機制蛙吏。RNN編碼-解碼模型中涉瘾，編碼器輸入序列年扩，是編碼器RNN在時刻的隱狀態(tài)(hidden s...
-
CTC序列模型背景 手寫體識別盾剩、語音識別中雷激，輸入數(shù)據(jù)和輸出的識別結(jié)果長度不一致、而且可變告私。直接用神經(jīng)網(wǎng)絡(luò)訓(xùn)練需要預(yù)分割屎暇、調(diào)整，得到對應(yīng)關(guān)系驻粟，這很難做到根悼。CTC提供了一種建模方式解決了這個問...
-
Faster R-CNN網(wǎng)絡(luò)架構(gòu) 可以分為3個部分 Head Region Proposal Network(RPN) Classification Network Region Proposal ...
-
Object Detection簡介 傳統(tǒng)目標檢測流程： 區(qū)域選擇（窮舉策略：采用滑動窗口凶异，且設(shè)置不同的大小，不同的長寬比對圖像進行遍歷挤巡，時間復(fù)雜度高） 特征提仁１颉（SIFT、HOG等矿卑；形態(tài)多樣性喉恋、光照變化多...
-
YOLO[TOC] YOLO V1 網(wǎng)絡(luò)結(jié)構(gòu) Yolo采用卷積網(wǎng)絡(luò)來提取特征，然后使用全連接層來得到預(yù)測值母廷。網(wǎng)絡(luò)結(jié)構(gòu)參考GooLeNet模型轻黑，包含24個卷積層和2個全連接層，如圖8所...