Mar, 2023

ICPR MSR 挑战赛 dun_oscar 团队系统描述

PDF
TL;DR介绍了 dun_oscar 团队提交的 ICPR MSR Challenge 系统，分别描述了任务 1 - 任务 3 的三个子系统。在任务 1 中，我们开发了一个视觉系统，包括 OCR 模型、文本跟踪器和 NLP 分类器，用于区分字幕和非字幕。任务 2 中，我们采用了一个包括 18 层 AM 和 4-gram LM 的 ASR 系统，并进行了半监督学习。任务 3 中，我们采用 ASR 系统来改进视觉系统，一些错误的字幕可以通过融合模块进行纠正。
icpr msr challengeocr modelasr systemsemi-supervised learningfusion module
发现论文，激发创造
  • ICASSP2024 ICMC-ASR 大赛的 NUS-HLT 系统

    我们团队在 ICMC-ASR 挑战赛的两个方向上付出了努力，包括多通道前端增强和辨析、训练数据增强、多通道分支的语音识别模型，经测试，在官方 Eval1 和 Eval2 数据集上，我们的最佳系统相对于官方基准系统提高了 34.3% 的 CER 和 56.5% 的 cpCER。

    Dec, 2023

  • CNSRC2022 的 SpeakIn 系统描述

    在 CN-Celeb 讲者识别挑战赛中，我们使用 ResNet、RepVGG 和 TDNN 架构，采用全局统计汇聚结构和 MQMHA 汇聚结构对声学数据进行处理，并使用 AM-Softmax 算法对其进行分类，最终取得了 SV 任务无榜首、有榜首以及 SR 任务的三个不同奖项。

    Sep, 2022

  • 2023 CNVSRC 挑战赛 GUA-Speech 系统介绍

    这项研究描述了我们在 2023 年中国持续视觉语音识别挑战赛中针对任务 1 单说话者视觉语音识别（VSR）固定轨道的系统。具体来说，我们在模型中使用中间连接主义时间分类（Inter CTC）残差模块来放宽 CTC 的条件独立性假设，然后使用双变压器解码器使模型能够捕捉过去和未来的上下文信息。此外，我们使用汉字作为建模单元来提高模型的识别准确性。最后，在推断阶段，我们使用了递归神经网络语言模型（RNNLM）进行浅层融合。实验表明，我们的系统在评估集上的字符错误率（CER）为 38.09%，相对于官方基准线减少了 21.63%，并在挑战赛中获得了第二名。

    Dec, 2023

  • IISERB 参加 SemEval 2022 第 6 个任务：一种用于识别英语讽刺意图的深度学习框架

    本研究介绍了 'IISERBBrains' 小组在 SemEval 2022 比赛中采用的系统架构和模型，并在三个子任务中获得了相应的排名，同时报告了金标签评估数据发布后进行的实验所获得的其他模型和结果。

    Mar, 2022

  • OSU 多模式机器翻译系统报告

    本文介绍了俄勒冈州立大学参加 WMT'17 多模式翻译任务的系统，该任务的独特之处在于所有句子对都是不同语言中的图像标题，我们提出了一种简单而有效的方法，在编码和解码过程中将图片作为额外信息加入到机器翻译系统中，我们使用 Flickr30k 和 MSCOCO 数据集评估了系统在英法和英德翻译中的表现，并在 MSCOCO 数据集上实现了英德机器翻译的最佳 TER 性能。

    Oct, 2017

  • CNVSRC 2023 中的视觉语音识别的 NPU-ASLP-LiAuto 系统描述

    本文介绍了 NPU-ASLP-LiAuto（第 237 队）在 2023 年中国连续视觉语音识别挑战赛中引入的视觉语音识别（VSR）系统，涉及单说话人 VSR 任务的固定和开放跟踪，以及多说话人 VSR 任务的开放跟踪。实验结果表明，在多系统融合后，我们的系统在单说话人任务上实现了 34.76% 的 CER，在多说话人任务上实现了 41.06% 的 CER，在我们参与的所有三个跟踪中排名第一。

    Jan, 2024

  • 端到端多模态语音识别

    探讨了如何应用视觉通道，以及 Connectionist Temporal Classification (CTC) 和 sequence-to-sequence (S2S) 的方法来提高自动语音识别 (ASR) 的鲁棒性，并比较了两种方法在干净和嘈杂的数据上的效果。

    Apr, 2018

  • WMT17 多模式翻译任务的 CUNI 系统

    本文描述了我们在 WMT17 多模态翻译任务中的提交内容，其中通过使用来自平行语料和回译的方法获取了额外的数据，建立了纯文本神经翻译模型进行多模态翻译，并使用最佳系统将英语字幕翻译为目标语言。我们还展示了一些未能有效提高翻译性能的负面结果。

    Jul, 2017

  • SemEval-2023 论文集中的 MarsEclipse: 对比学习辅助的多语言多标签框架检测

    该研究使用多标签对比损失在多语言环境下对大型预训练语言模型进行微调，在 SemEval-2023 任务 3 子任务 2 的 Framing Detection 中表现竞争力十分强劲。

    Apr, 2023

  • IARPA OpenASR21 挑战中的 THUEE 系统描述

    该论文介绍了 THUEE 团队为 IARPA OpenASR21 挑战赛开发的语音识别系统，包括使用基于混合体系结构的 ASR 系统、使用 Grapheme-to-Phoneme 技术扩展发音词典来缓解词汇外问题、使用 self-supervised 学习框架 wav2vec2.0 等技术来提高识别准确度等。

    Jun, 2022