Introduction VC aims to convert the non-linguistic information of the speech signals wh...
发简信
IP属地：江苏
-
Voice Conversion -
ASR SystemsIntroduction The ASR system can be categoried as three classes by its output. Phonem Gr...
-
Language Model for ASRBackground Automatic Speech Recognition (ASR) uses both acoustic model (AM) and languag...
-
语言模型融合 Language Model Fusion
Introduction In the previous articals, we have learnt the CTC loss makes assumption of ...
-
Keyword Spotting关键词侦听Introduction Keyword Spotting (KWS) aims at detecting predefined key-words in an audio ...
-
注意力机制的增强Enhancement of Attention MechanismMulti-headed Attention 一个attention head可能权重大部分在某处，不能提取丰富的信息，需要多个进行融合。 Fusion/Aggregatio...
-
Query-Key-Value Perspective on Attention Mechanism 怎么用“查询-键-值”理解注意力机制注意力机制 RNN编码-解码模型 论文[1]中，从RNN编码-解码模型演进出注意力机制。RNN编码-解码模型中，编码器输入序列，是编码器RNN在时刻的隐状态(hidden s...
-
CTC序列模型背景 手写体识别、语音识别中，输入数据和输出的识别结果长度不一致、而且可变。直接用神经网络训练需要预分割、调整，得到对应关系，这很难做到。CTC提供了一种建模方式解决了这个问...
-
Faster R-CNN网络架构 可以分为3个部分 Head Region Proposal Network(RPN) Classification Network Region Proposal ...
-
Object Detection简介 传统目标检测流程： 区域选择（穷举策略：采用滑动窗口，且设置不同的大小，不同的长宽比对图像进行遍历，时间复杂度高） 特征提取（SIFT、HOG等；形态多样性、光照变化多...
-
YOLO[TOC] YOLO V1 网络结构 Yolo采用卷积网络来提取特征，然后使用全连接层来得到预测值。网络结构参考GooLeNet模型，包含24个卷积层和2个全连接层，如图8所...