Oct, 2020

MarbleNet：面向语音活动检测的深度 1D 时间 - 通道可分离卷积神经网络

PDF
TL;DRMarbleNet 是一个端到端的神经网络，用于语音活动检测，并通过 1D 时域 - 频域可分离卷积、Batch Normalization 等结构，在参数成本较小的情况下，实现了与现有最先进 VAD 模型相当的性能。
发现论文，激发创造
  • 基于轻量级神经网络的实时语音活动检测

    该研究提出了一种轻量级实时的神经网络模型 MagicNet，利用 1-D 卷积和 GRU，并且不依赖未来特征作为输入，在综合测试数据集上与两种最先进的算法进行比较，评估结果表明 MagicNet 能够在较少的参数成本下实现更好的性能和鲁棒性。

    May, 2024

  • MatchboxNet：用于语音命令识别的 1D 时域通道可分离卷积神经网络架构

    MatchboxNet 是一个端到端的神经网络，用于语音命令识别，在较少的参数下达到了与类似模型相当的准确率，对于计算资源有限的设备来说是一个非常有吸引力的候选模型。通过使用辅助噪声数据进行数据增强，可以提高模型在背景噪声存在时的鲁棒性。

    Apr, 2020

  • 基于去噪深度神经网络的语音活动检测

    本文提出了一种去噪深度神经网络 (DDNN) 声活检测 (VAD) 方法，通过无监督预训练的方式提取特征并通过监督学习修正，实验结果表明该方法优于基于深度置信网络 (DBN) 的 VAD 并且在深度层次上具有明显优势。

    Mar, 2013

  • ANTNets：用于资源高效图像分类的移动卷积神经网络

    本文提出了一种新的基本架构模块 ANTBlock，以提高网络的表征能力，同时具有较低的计算成本和参数数量。在多个数据集上进行测试结果表明，ANTNet 在性能上优于基于移动设备低成本的卷积神经网络，其利用两层卷积之间通道间的关联性，进一步优化网络的表征能力。

    Apr, 2019

  • 基于卷积深度神经网络的深度卡拉 OK：从音乐混音中提取人声

    通过训练一个拥有十亿参数的卷积深度神经网络来从真实世界的音乐混合物中提供声音分离的理想二值掩蔽的概率估计，以对抗更传统的线性方法，该方法可以用于自动消除卡拉 OK 类型应用程序中的歌唱声。

    Apr, 2015

  • 密集连接卷积网络用于语音识别

    本文介绍了我们在使用 DenseNets 进行声学建模（AM）自动语音识别方面的最新研究，实验结果表明，DenseNet 能够显著地优于其他神经网络模型，如 DNNs、CNNs、VGGs, 甚至在使用只有一半训练数据的情况下表现也很好。

    Aug, 2018

  • AmberNet: 一种紧凑的端到端口语识别模型

    AmberNet 是一种用于口语识别的紧凑端到端神经网络，由一维深度可分离卷积和全局上下文的 Squeeze-and-Excitation 层、统计汇聚和线性层组成，大小是现有技术 (SOTA) 模型的 1/10，准确率达到 FLEURS 基准的 SOTA，可用于新语言和音频条件的简单微调。它在输入长度敏感性方面的表现良好。

    Oct, 2022

  • MobileNets：面向移动视觉应用的高效卷积神经网络

    本文介绍了 MobileNets 这一基于深度可分离卷积的轻量级深度神经网络架构，提出了利用全局超参数在时延和准确性之间平衡的方法，并在图像分类等多个领域进行了广泛实验。

    Apr, 2017

  • MVDepthNet: 实时多视角深度估计神经网络

    本文提出 MVDepthNet，在多视图深度估计中编码多视图观察信息，并结合参考图像使用编码器 - 解码器网络生成深度图，并在单目密集映射系统中应用，实现了高效准确的深度图生成。

    Jul, 2018

  • MaD TwinNet：双网络的掩蔽去噪结构，用于单声道声源分离

    本研究基于 MaD 框架增强了 Twin Networks 以学习音乐片段的长期时间模式和结构，将其应用于单声道歌声分离，相比于先前最优结果，信噪比 (SDR) 和信干比 (SIR) 分别提高了 0.37dB 和 0.23dB。

    Feb, 2018