检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于残差注意网络的端到端手写文本识别方法

控制与决策 2023年第7期38卷 1825-1834页

作者：王寅同郑豪常合友李朔南京晓庄学院信息工程学院南京211171 浙江大学计算机科学与技术学院杭州310058 英国德蒙福特大学人工智能研究所莱斯特LE19BH

中文手写文本识别是模式识别领域中的研究热点问题之一,其存在字符类别数量多、书写风格差异大和训练数据集标记难等问题.针对上述问题,提出无切分无循环的残差注意网络结构用于端到端手写文本识别.首先,以ResNet-26为主体结构,使用深... 详细信息

中文手写文本识别是模式识别领域中的研究热点问题之一,其存在字符类别数量多、书写风格差异大和训练数据集标记难等问题.针对上述问题,提出无切分无循环的残差注意网络结构用于端到端手写文本识别.首先,以ResNet-26为主体结构,使用深度可分离卷积提取有意义特征,残差注意门控模块提升文本图像中的关键区域的重要性;其次,采用批量双线性插值模型对输入表征进行拉伸-挤压,实现二维文本表征到一维文本行表征的文本行上采样;最后,以连接时序分类作为识别模型的损失函数,实现高层次抽取表征与字符序列标记的对应关系.在CASIA-HWDB2.x和ICDAR2013两个数据集上进行实验研究,结果表明,所提方法在没有任何字符或文本行的位置信息时能够有效地实现端到端手写文本识别,且优于现有的方法.

关键词：手写文本识别深度可分离卷积残差注意门控双线性插值文本行上采样连接时序分类

在线全文

学校读者我要写书评

暂无评论

基于空间转换网络的端到端车牌检测与识别

光电子．激光 2021年第5期32卷 524-531页

作者：唐倩贺伟张林江西安邮电大学通信与信息工程学院陕西西安710121 西北工业大学计算机学院陕西西安710109

在复杂场景中,许多现有的车牌检测和识别方面的研究方法存在数据集单一且有限、算法复杂等问题。因此提出了一个端到端的统一网络:残差-空间变换-连接时序分类融合的车辆号牌检测识别网络(LPDR-RSCNet)。该网络结合残差神经网络、空间... 详细信息

在复杂场景中,许多现有的车牌检测和识别方面的研究方法存在数据集单一且有限、算法复杂等问题。因此提出了一个端到端的统一网络:残差-空间变换-连接时序分类融合的车辆号牌检测识别网络(LPDR-RSCNet)。该网络结合残差神经网络、空间变压器网络和连接主义者时间分类,联合训练检测和识别模块,以减少中间错误积累。通过在残差神经网络提取特征过程中引入空间变换网络,使特征提取器具有平移不变性、旋转不变性和缩放不变性;在分类器引入连接时序分类,可以自动识别图片标签和特征之间的关系。同时,还可以适应可变长度序列的识别。在中国城市停车场数据集(CCPD)上进行了比较实验,CCPD是一个大规模、多样的中文车牌数据集。实验证明LPDR-RSCNet模型在实际应用中可实现98.8%的识别精度和34 fps的速度,并且相较于YOLO9000、Faster-RCNN、SSD300,具有更好的检测准确度,可满足智能交通系统中对移动车辆实时车牌检测和识别的要求。

关键词：图像识别、算法和滤波器车牌检测和识别端对端残差神经网络空间变换网络连接时序分类

在线全文

学校读者我要写书评

暂无评论

一种改进的线性注意力机制语音识别方法

信号处理 2023年第3期39卷 516-525页

作者：李宜亭屈丹杨绪魁张昊沈小龙中国人民解放军战略支援部队信息工程大学信息系统工程学院河南郑州450001 中国人民解放军95897部队辽宁大连116001

Conformer模型因其优越的性能,吸引了越来越多研究者的关注,逐渐成为语音识别领域的主流模型,但因其采用注意力机制从输入中提取信息,需要对输入序列中所有样本点进行交互计算,导致网络计算复杂度为输入序列长度的平方,因此在对长语音... 详细信息

Conformer模型因其优越的性能,吸引了越来越多研究者的关注,逐渐成为语音识别领域的主流模型,但因其采用注意力机制从输入中提取信息,需要对输入序列中所有样本点进行交互计算,导致网络计算复杂度为输入序列长度的平方,因此在对长语音进行识别时需要消耗更多计算资源,其识别速度较慢。针对此问题,本文提出一种线性注意力机制的语音识别方法。首先,提出一种新型门控线性注意力结构将多头注意力改进为单头,将注意力计算复杂度改进为序列长度的线性关系,以有效减少注意力计算复杂度。其次,为了弥补使用线性注意力导致的模型建模能力下降,在线性注意力求解过程中,综合使用局部注意力和全局注意力,联合线性注意力编码,提高模型识别精度。最后,为了进一步提升模型识别效果,在注意力损失和连接时序分类(connectionist temporal classification,CTC)损失的基础上使用注意力引导损失和中间CTC损失融合建模目标函数。在中文普通话数据集AISHELL-1和英文LibriSpeech数据集上的实验结果表明,改进模型的性能明显优于基线模型,且模型显存消耗下降,训练、识别速度得到较大提升。

关键词：语音识别端到端高效注意力连接时序分类 Conformer

使用Conformer增强的混合CTC/Attention端到端中文语音识别

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2023年第4期59卷 97-103页

作者：陈戈谢旭康孙俊陈祺东江南大学人工智能与计算机学院江苏无锡214122

最近,基于自注意力的Transformer结构在不同领域的一系列任务上表现出非常好的性能。探索了基于Transformer编码器和LAS(listen,attend and spell)解码器的Transformer-LAS语音识别模型的效果,并针对Transformer不善于捕捉局部信息的问... 详细信息

最近,基于自注意力的Transformer结构在不同领域的一系列任务上表现出非常好的性能。探索了基于Transformer编码器和LAS(listen,attend and spell)解码器的Transformer-LAS语音识别模型的效果,并针对Transformer不善于捕捉局部信息的问题,使用Conformer代替Transformer,提出Conformer-LAS模型。由于Attention过于灵活的对齐方式,使得在嘈杂环境中的效果急剧下降,采用连接时序分类(connectionist temporal classification,CTC)辅助训练以加快收敛,并加入音素级别的中间CTC损失联合优化,提出了效果更好的Conformer-LAS-CTC语音识别模型。在开源中文普通话Aishell-1数据集上对提出来的模型进行验证,实验结果表明,Conformer-LAS-CTC相对于采用的基线BLSTM-LAS和Transformer-LAS模型在测试集上的字错率分别相对降低了22.58%和48.76%,模型最终字错误率为4.54%。

关键词：端到端语音识别 Conformer LAS 连接时序分类

联合CTC和Transformer的轮式移动机器人语音控制研究

在线全文

学校读者我要写书评

暂无评论

中国测试 2024年第6期50卷 117-123页

作者：唐咸荣高瑞贞河北工程大学机械与装备工程学院河北邯郸056038

针对人机交互过程中手动控制轮式移动机器人步骤繁琐且双手受到限制的问题,提出并实现基于深度学习算法的轮式移动机器人语音控制系统。系统选取树莓派4B开发板作为主控制器,科大讯飞6阵列语音模块作为语音采集器,STM32单片机作为底层... 详细信息

针对人机交互过程中手动控制轮式移动机器人步骤繁琐且双手受到限制的问题,提出并实现基于深度学习算法的轮式移动机器人语音控制系统。系统选取树莓派4B开发板作为主控制器,科大讯飞6阵列语音模块作为语音采集器,STM32单片机作为底层轮式移动机器人的控制器。语音识别算法部分设计基于Transformer的端到端语音识别模型,并加入连续时序分类算法来辅助模型的训练,模型的收敛速度和鲁棒性都得到相应的提升。模型在AISHELL-1语音数据集上测试的字错率为5.57%,相对于Transformer单独训练,字错率相对下降5.1%。经过平台搭建和实验,实现轮式移动机器人根据用户语音指令完成相对应动作的目的,有利于提高工作效率和解放用户的双手。

关键词：轮式移动机器人语音控制 Transformer 连接时序分类

维普期刊数据库博看期刊

基于QRNN-CTC的中文语音识别声学模型

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2023年第12期40卷 184-188,262页

作者：王先欢孙自强华东理工大学化工过程先进控制和优化技术教育部重点实验室上海200237

针对卷积神经网络(CNN)在语音识别中处理时序能力不足和循环神经网络(RNN)在语音识别中模型复杂度较高、训练慢的问题,提出一种新的基于准循环神经网络和连接时序主义(QRNN-CTC)的声学模型。该模型既降低了参数量,又保证了一定的时序间... 详细信息

针对卷积神经网络(CNN)在语音识别中处理时序能力不足和循环神经网络(RNN)在语音识别中模型复杂度较高、训练慢的问题,提出一种新的基于准循环神经网络和连接时序主义(QRNN-CTC)的声学模型。该模型既降低了参数量,又保证了一定的时序间循环能力,利用CTC来实现输入序列和标签自动对齐,在训练时引入dropout防止过拟合。在Thchs-30数据集上的实验结果表明,QRNN-CTC比CNN-CTC相对错误率降低9.8%,最终词错误率为23.8%,训练时间为LSTM-CTC的一半。

关键词：深度学习语音识别声学模型准循环神经网络连接时序分类

在线全文

学校读者我要写书评

暂无评论

基于双路卷积神经网络的中文语音识别

计算机工程与设计 2023年第3期44卷 880-886页

作者：张昱李鸿燕邢璐任健太原理工大学信息与计算机学院山西榆次030600

为解决卷积神经网络在中文语音识别中识别准确率低、鲁棒性差的问题,提出一种基于双路卷积神经网络的声学建模方法。利用多尺度学习方法提取多尺度特征信息;将软阈值非线性转换层和注意力机制进行融合后嵌入残差网络,减轻网络梯度问题,... 详细信息

为解决卷积神经网络在中文语音识别中识别准确率低、鲁棒性差的问题,提出一种基于双路卷积神经网络的声学建模方法。利用多尺度学习方法提取多尺度特征信息;将软阈值非线性转换层和注意力机制进行融合后嵌入残差网络,减轻网络梯度问题,加强网络特征信息传递,提高特征学习效果;采用连接时序分类技术分类,简化语音识别流程。实验结果表明,该模型与传统识别模型相比,词错误率降低了7.52%,在3种噪声环境下,错误率也低于传统模型。

关键词：语音识别多尺度学习软阈值注意力机制残差网络连接时序分类端到端

在线全文

学校读者我要写书评

暂无评论

基于HOPE-CTC的端到端语音识别

计算机工程与设计 2021年第2期42卷 462-467页

作者：徐冬冬蒋志翔中国航天科工集团第二研究院七〇六所北京100854

为增强端到端语音识别模型的鲁棒性和特征提取的有效性,对瓶颈特征提取网络进行研究,提出采用基于联合优化正交投影和估计的端到端语音识别模型。通过连接时序分类损失函数训练瓶颈特征提取网络,摆脱对语言学和对齐信息的先验知识的依赖... 详细信息

为增强端到端语音识别模型的鲁棒性和特征提取的有效性,对瓶颈特征提取网络进行研究,提出采用基于联合优化正交投影和估计的端到端语音识别模型。通过连接时序分类损失函数训练瓶颈特征提取网络,摆脱对语言学和对齐信息的先验知识的依赖,在解码输出部分添加注意力机制,实现两种不同的端到端模型的融合。在中文数据集AISHELL-1上的实验结果表明,与传统识别模型相比,该改进端到端模型更适用于带噪语音的识别任务。

关键词：联合优化正交投影和估计连接时序分类注意力机制端到端模型瓶颈特征

基于ResNet-BLSTM的端到端语音识别

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2020年第18期56卷 124-130页

作者：胡章芳徐轩付亚芹夏志广马苏东重庆邮电大学光电工程学院重庆400065 重庆邮电大学先进制造学院重庆400065

基于深度学习的端到端语音识别模型中,由于模型的输入采用固定长度的语音帧,造成时域信息和部分高频信息损失进而导致识别率不高、鲁棒性差等问题。针对上述问题,提出了一种基于残差网络与双向长短时记忆网络相结合的模型,该模型采用语... 详细信息

基于深度学习的端到端语音识别模型中,由于模型的输入采用固定长度的语音帧,造成时域信息和部分高频信息损失进而导致识别率不高、鲁棒性差等问题。针对上述问题,提出了一种基于残差网络与双向长短时记忆网络相结合的模型,该模型采用语谱图作为输入,同时在残差网络中设计并行卷积层,提取不同尺度的特征,然后进行特征融合,最后采用连接时序分类方法进行分类,实现一个端到端的语音识别模型。实验结果表明,该模型在Aishell-1语音集上字错误率相较于传统端到端模型的WER下降2.52%,且鲁棒性较好。

关键词：残差网络(ResNet) 双向长短时记忆网络(BLSTM) 并行卷积层连接时序分类