Apr, 2016

适用于真实录音的多声音事件检测的循环神经网络

PDF
TL;DR本文提出了一种基于 BLSTM 循环神经网络的多音事件检测方法，该方法通过训练一个多标签 BLSTM RNN，将包括音乐、车辆、讲话等 61 类在内的多种声音的声学特征映射到每个事件类别的二进制活动指示符上，并且通过使用数据增强技术进一步提高了识别结果的准确性，系统在实测中平均 F1 分数分别为 65.5％和 64.7％。
发现论文，激发创造
  • 卷积循环神经网络用于多声事件检测

    本研究利用卷积神经网络 (CNN) 和循环神经网络 (RNN) 实现了声音事件监测，取得了比之前方法显著的效果提升。

    Feb, 2017

  • 深度循环神经网络用于声学建模

    本文提出了一种用于噪声环境下语音自动识别的新型深度循环神经网络模型，结合了深度神经网络和双向长短期记忆网络，在华尔街日报数据集上相较于传统深度神经网络模型提高了近 8%。

    Apr, 2015

  • 利用空间和谐特征在多通道音频中进行声音事件检测

    本文提出使用空间和谐特征结合 LSTM 循环神经网络进行自动声音事件检测任务，并将其与现有的单声道方法进行比较，结果表明使用多声道音频、空间和谐特征的自动声音事件检测方法能够提高检测性能。

    Jun, 2017

  • 利用空间特征和卷积循环神经网络进行声音事件检测

    本文提出使用从多通道音频中提取的低级空间特征进行声音事件检测，通过初始阶段从每个通道中单独学习这些多通道特征，扩展了卷积递归神经网络以处理更多类型的这些特征，并表明将特征呈现为体积的单独层，而不是将每个通道的特征串联成单个特征向量，可以更好地学习多通道音频中的声音事件。与单声道特征相比，在相同网络上使用所提出的空间特征，在公开可用的 TUT-SED 2016 数据集上的 F-score 提高了 6.1％，在 TUT-SED 2009 数据集上的 F-score 提高了 2.7％，该数据集是其 15 倍大。

    Jun, 2017

  • 快速准确的循环神经网络语音识别声学模型

    该论文介绍利用深度 LSTM 循环神经网络、CD 电话建模、帧叠加与减少帧率等技术来提高语音识别准确率的研究，并探讨了直接输出单词的 LSTM RNN 模型的初步结果。

    Jul, 2015

  • 利用弱标记数据集的堆叠卷积和循环神经网络进行声音事件检测

    该论文提出了一种神经网络架构和训练方案，能够预测音频记录中声音事件开始和结束时间（强标签），通过使用弱标签作为标签，网络使用卷积和递归神经网络进行训练，该方法在 155 小时的 17 种声音事件类别数据集上实现了最佳错误率 0.84 和弱标签 F-score 43.3% 的预测效果。

    Oct, 2017

  • 利用多标签多任务卷积循环神经网络统一独立和重叠音频事件检测

    论文提出了一种基于卷积循环神经网络的多标签多任务框架，可以同时检测单个和重叠音频事件，并具备有效的特征提取、事件分类和边界定位能力，并使用三个不同的序列损失函数对网络进行训练，在两个数据集上的实验结果表明模型具有良好的泛化性能。

    Nov, 2018

  • 使用 RNN-DBN 模型建模时间依赖关系的复调音乐生成

    该论文提出了一种泛用的技术，将递归神经网络和深度置信网络相结合，用于建模时间依赖性和序列生成，特别适用于多声部音乐生成任务。

    Dec, 2014

  • 深度循环神经网络语音识别

    本文研究了将深度网络的多层表示与强大的 RNN 模型相结合的模型 - 深度递归神经网络，通过合适的正则化和端到端的训练方法，该模型在 TIMIT 语音识别基准测试中获得了最佳记录得分 17.7％。

    Mar, 2013

  • 针对自开发开放式肺音数据库 HF_Lung_V1，对八种循环神经网络变体进行呼吸相和意外音检测效果基准测试

    研究开发了一个肺音数据库，使用各种机器学习模型实现了呼吸相和异常肺音的检测，在多项定义任务中，双向门控循环单元模型展示了最佳的 F1 评分和接收器操作特性曲线下的面积。

    Feb, 2021