没有合适的资源?快使用搜索试试~ 我知道了~
DenseNet和BiLSTM的有效结合,可用于关键字识别
4 下载量 88 浏览量
2021-03-30
05:02:33
上传
评论
收藏 821KB PDF 举报
温馨提示
试读
9页
关键字识别(KWS)是智能设备上终端和服务机器人的人机交互的主要组成部分,其目的是最大程度地提高检测精度,同时又要减小占用空间。 在本文中,基于DenseNet提取局部特征图的强大功能,我们为KWS提出了一种新的网络体系结构(DenseNet-BiLSTM)。 在我们的DenseNetBiLSTM中,DenseNet主要用于获取局部特征,而BiLSTM用于获取时间序列特征。 通常,DenseNet用于计算机视觉任务,它可能会破坏语音音频的上下文信息。 为了使DenseNet适合KWS,我们提出了一个变体DenseNet,称为DenseNet-Speech,它在过渡层的时间维度上删除了池以保留语音时间序列信息。 此外,我们的DenseNet-Speech使用密度较小的块和过滤器来使模型保持较小,从而减少了移动设备的时间消耗。 实验结果表明,DenseNet-Speech的特征图可以很好地维护时间序列信息。 就Google Speech Commands数据集的准确性而言,我们的方法优于最新方法。 对于具有223K可训练参数的20条命令识别任务,DenseNet-BiLSTM能够达到96.6%的精度。
资源推荐
资源评论
资源评论
weixin_38723461
- 粉丝: 3
- 资源: 965
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功