Dec, 2021

使用异步完全循环卷积神经网络进行语音分离

PDF
TL;DR本论文提出采用一种名为全循环卷积神经网络（Fully Recurrent Convolutional Neural Network, FRCNN）的生物启发式体系结构来解决语音分离任务，并通过异步更新机制，在三个基准数据集上显著提高了语音分离精度和计算效率。
neural networksequence modelingspeech separationfrcnnasynchronous updating
发现论文，激发创造
  • 基于深度卷积神经网络的端到端语音识别

    本文提出将 CNN 与 CTC 相结合的端到端语音识别框架，以实现序列标记；在 TIMIT 音素识别任务中评估该方法并表明其在计算效率和性能上优于已有基线系统，并指出 CNN 具有利用适当上下文信息来建模时间相关性的能力。

    Jan, 2017

  • 用于自动语音识别的残差卷积 CTC 网络

    本文提出了一种新颖的深度卷积神经网络架构 RCNN-CTC，其通过残差连接和时间分类损失函数，能够同时利用语音信号的时间和光谱结构，并提出了一种 CTC-based 系统组合方法，可以显著减少 WSJ 和腾讯 Chat 数据集上的语音识别误差率。

    Feb, 2017

  • 一种基于递归融合扩张卷积和信道注意力的高效语音分离网络

    本文介绍了一种高效的语音分离神经网络，采用了扩张卷积、多尺度融合和通道注意力等多种方法，可以克服卷积网络的有限感受野和变换器网络的高计算成本问题，实现局部和全局特征的学习，并通过通道的注意力权重学习关键的特征来提高网络的表达能力和鲁棒性，实验结果表明，该模型在性能和计算效率之间取得了不错的平衡，是目前实际应用的有希望的选择。

    Jun, 2023

  • 全卷积语音识别

    本文提出了一种基于卷积神经网络的语音识别方法，相对于传统的基于循环神经网络的模型使用更少的特征提取步骤，并在多项测试中取得了当下最佳的表现。

    Dec, 2018

  • 轻量级迭代模型在嘈杂环境下的音像语音分离

    本文提出了一种名为 AVLIT 的轻量级神经网络，使用渐进学习（PL）在嘈杂的环境中进行音视频语音分离。通过异步完全循环卷积神经网络（A-FRCNN）的结构分支，我们的模型在音频和视觉两个分支下进行迭代学习，并在音频和视觉分离方面表现出较高的精度。同时由于模型尺寸小，因此适合低资源环境应用。

    May, 2023

  • 双通道 RNN：适用于时域单声道语音分离的高效长序列建模

    本文提出了一种名为 DPRNN 的新型深度循环神经网络机制，它通过将输入序列分成较小的块并迭代应用区域内和区域间操作来模拟极长序列。实验结果表明，在使用 DPRNN 和在时域中应用样本级建模的 TasNet 中，相对于之前的最佳系统，使用比原来小 20 倍的模型在 WSJ0-2mix 上实现了新的最先进性能。

    Oct, 2019

  • 时域深度可分卷积的序列对序列语音识别

    使用时间 - 深度可分离卷积块、卷积语言模型以及有效的 beam 搜索方法，相对于先前的序列到序列结果，在 LibriSpeech 测试集中语音识别效果提高了 22%。

    Apr, 2019

  • 端到端语音识别的分段循环神经网络

    研究了段落循环神经网络在端到端声学建模中的应用，不依赖于外部系统提供特征或分割边界，通过神经网络进行特征提取，具有自我完备性，可实现端到端训练，实验表明在语音识别领域中表现良好。

    Mar, 2016

  • 基于两阶段卷积神经网络的背景重构和前景分割

    本文提出了一种端到端的两阶段深度卷积神经网络框架，用于视频序列中的前景分割，该方法利用背景图像的语义和先验知识以及前景和背景的先验视觉知识，与 CDNet 2014 相比，其性能提高了 4.9％。

    Jul, 2017

  • 基于卷积递归神经网络的端到端文本定位

    该论文提出了一种基于卷积循环神经网络的统一网络，该网络可以同时定位和识别文本，通过端到端训练，提高了性能，在多个基准数据集上取得了竞争性的表现。

    Jul, 2017