noisy student training | BriefGPT

关键词noisy student training

搜索结果 - 7

Conformer-1：通过大规模半监督引导实现鲁棒性自动语音识别
本论文介绍了 Conformer-1，一种端到端的自动语音识别（ASR）模型，它是在一个包含 570k 小时的语音音频数据的广泛数据集上训练的，其中 91％是从公开来源获取的。通过在未标记的公共数据上使用强大的 Conformer RNN-
PDF3 months ago
关于图像分辨率对语义分割影响的研究
通过简化网络架构，我们展示了一种直接产生高分辨率分割结果的简化模型，其性能可以与生成低分辨率结果的更复杂系统匹配，并通过底层信息传播技术在不同尺度上提高分割准确性。
PDF5 months ago
改进非目标域数据上嘈杂学生训练以提高自动语音识别能力
本篇研究提出了一种数据选择策略（称为 LM Filter），目的是提高 Noisy Student Training 在自动语音识别中对非目标领域数据的表现。使用带和不带语言模型的假设，其 CER 差异用作过滤阈值，结果显示相比较没有数据过
PDF2 years ago
自训练与自监督学习相结合的非监督式病态语检测
本文提出了一种无监督学习的方法用于发现语言中的断续性，该方法使用廉价的无标注文本语料库，并借鉴了 Noisy Student Training 和上下文化词嵌入的思路，在英语 Switchboard 测试集上达到了与有监督系统竞争的效果。
PDF4 years ago
半监督学习在自动语音识别中的极限挑战
该研究采用半监督学习、自动语音识别和噪声模型训练等技术提高 LibriSpeech 数据集的识别准确率，最终实现了 1.4%/2.6% 的识别误差，相比当前最先进水平 1.7%/ 3.3%，表现出显著的提升。
PDF4 years ago
提高噪声学生训练用于自动语音识别
本文研究了在自动语音识别中使用自适应 SpecAugment 的噪声自适应训练方法，通过过滤、平衡和增强数据集，成功地提高了网络性能，使 WER 在 LibriSpeech 测试集上分别为 4.2％/8.6％（无噪声 / 有噪声），并在 L
PDF4 years ago
CVPR使用带有噪声的自我训练方法提高 ImageNet 分类准确率
通过使用更大的学生模型和在学习过程中添加噪声，该文提出了一种名为 'Noisy student training' 的半监督学习方法，在大规模高质量图像分类任务 ImageNet 上取得了 88.4% 的准确率，并在鲁棒性测试集上表现优异。
PDF5 years ago