tailieunhanh - Một mô hình phát hiện tiếng nói kích thước nhỏ

Bài viết Một mô hình phát hiện tiếng nói kích thước nhỏ đề xuất một mô hình học sâu với chỉ 74k tham số nhưng vẫn có một kết quả tốt trong việc phát hiện tiếng nói. Mô hình chúng tôi sử dụng là mạng nơ ron tích chập sử dụng 1D time-channel separable convolution. | Tuyển tập Hội nghị Khoa học thường niên năm 2022. ISBN 978-604-82-7001-8 MỘT MÔ HÌNH PHÁT HIỆN TIẾNG NÓI KÍCH THƯỚC NHỎ Nguyễn Duy Khánh1 Đỗ Văn Hải2 1 Trường Đại học Bách Khoa Hà Nội 2 Trường Đại học Thủy lợi 1. GIỚI THIỆU . Tăng cường dữ liệu Hiện nay có rất nhiều hệ thống liên quan Sử dụng tăng cường dữ liệu data đến xử lí tiếng nói. Tuy nhiên trong một augmentation nhằm giúp mô hình học tránh luồng audio tiếng nói không phải luôn liên quá khớp cũng như tăng tính tổng quát hóa. tục sẽ có những đoạn audio không có sự tồn Trong nghiên cứu này chúng tôi sử dụng 2 tại của tiếng nói con người. Do đó chúng ta phương pháp phổ biến được đề xuất gần đây cần một hệ thống để phát hiển tiếng nói trong là SpecAugment và SpecCutout. audio Voice Activity Detector - VAD . Một . Kiến trúc hệ thống hệ thống VAD sẽ kiểm tra xem có tiếng nói trong một đoạn audio ngắn không để khi áp dụng vào cả đoạn audio dài sẽ biết được phần có tiếng nói trong đó. Gần đây có rất nhiều thiết bị cầm tay có liên quan đến xử lí tiếng nói. Tuy nhiên do là thiết bị cầm tay bộ nhớ và khả năng tính toán của chúng bị giới hạn. Vì thế một mô hình có kích thước nhỏ là cần thiết. Trong nghiên cứu này chúng tôi đề xuất một mô hình học sâu với chỉ 74k tham số nhưng vẫn có một kết quả tốt trong việc phát hiện tiếng nói. Mô hình chúng tôi sử dụng là mạng nơ ron tích chập sử dụng 1D time-channel separable convolution. Bằng việc sử dụng separable convolution số lượng tham số giảm đi một cách đáng kể trong khi vẫn giữ được độ chính xác cao. 2. HỆ THỐNG ĐỀ XUẤT . Trích chọn đặc trưng Phương pháp trích chọn đặc trưng dùng trong nghiên cứu này là Mel frequency Hình 1. Kiến trúc hệ thống. cepstral coefficients - MFCC một phương pháp được sử dụng rộng rãi trong các hệ Như đã đề cập việc dùng 1D time-channel thống liên quan đến xử lí tiếng nói. separable convolution sẽ giúp làm giảm số 91 Tuyển tập Hội nghị Khoa học thường niên năm 2022. ISBN 978-604-82-7001-8 lượng tham số. Lớp convolution này có thể hình CNN

• Kĩ thuật Viễn thông
• Mạng nơ ron tích chập
• Mô hình phát hiện tiếng nói
• Hệ thống xử xử lí tiếng nói
• Nền tảng Pytorch Lightning
• Lớp point wise convolutional layer
• Mạng nơ ron học sâu
• Nhận dạng khuôn mặt
• Nhận dạng khuôn mặt từ video
• Nhận dạng chữ số viết tay
• Multi layer perceptron
• Mô hình mạng nơ ron tích chập
• Kiến trúc CNN
• Deep learning
• Mạng nơ ron
• Mạng Inception v3
• Kiến trúc mạng nơ ron
• Tóm tắt Luận văn Thạc sĩ
• Khoa học máy tính
• Phân loại độ tuổi bằng ảnh mặt người
• Nhận diện khuôn mặt
• Mạng nơ ron tích chập xếp chồng
• Mô hình FaceNet
• Thuật toán đặc trưng khuôn mặt
• Phát hiện cháy rừng
• Camera giám sát
• Cảnh báo cháy rừng
• Phát hiện lửa
• Mạng nơ ron YOLOV5
• Thị giác máy
• Hệ thống báo cháy
• Phân lớp phương tiện giao thông
• Kỹ thuật học sâu
• Mạng R CNN
• Công tác quản lý giao thông
• Dự đoán góc quay vô lăng
• Xe tự lái
• Cấu trúc mạng
• Công nghệ LiDAR
• Giới thiệu bài toán tô màu
• Mô hình mạng residual
• Mô hình kết hợp ResNet18
• Mô hình kết hợp VGG16
• Tích hợp DSM
• Thuật toán Catboost
• Mô hình số bề mặt
• Xử lý ngôn ngữ tự nhiên
• Tạp chí Khoa học và Công nghệ
• Nhận dạng cảm xúc
• Phân loại cảm xúc
• Trích chọn đặc trưng
• Phát hiện bộ phận cây
• Tập dữ liệu PlantClef
• Phương pháp phát hiện tự động bộ phận cây
• Hệ thống tự động nhận dạng cây
• Luận văn Thạc sĩ
• Công nghệ thông tin
• Kỹ thuật phần mềm
• Nghiên cứu mạng nơ ron tích chập
• Mô hình dự đoán tương tác protein
• Phân loại dạng điều chế tín hiệu
• Phương pháp nhận dạng tín hiệu
• Công cụ học sâu
• Điều chế tín hiệu
• Luận văn Thạc sĩ Kỹ thuật
• Hành vi của khách hàng theo độ tuổi
• Tạp Chí Khoa Học Giáo Dục
• Khoa Học Giáo Dục Kỹ Thuật
• Nhận diện cảm xúc khuôn mặt
• Phân loại cảm xúc khuôn mặt
• Thuật toán tối ưu
• Giá trị hàm mất mát
• Số chu kì học
• Hàm Entropy chéo
• Nhận dạng cử chỉ tay
• Ra đa FMCW
• Phổ micro Doppler
• Mô hình Cross CNN
• Trí tuệ nhân tạo
• Nền tảng di động Android
• Bài toán nhận dạng chữ số viết tay
• Kĩ thuật học sâu
• Bộ cơ sở dữ liệu MNIST
• Bộ cơ sở dữ liệu CIFAR 10
• Phân lớp ảnh
• Truy vấn ảnh dựa trên ngữ nghĩa
• Bộ dữ liệu ảnh Caltech 256
• Tập từ vựng thị giác
• Mảng anten không đồng nhất
• Nguồn tín hiệu vô tuyến
• Mô hình DOA ResNet
• Trinh sát tín hiệu vô tuyến
• Đo đạc bản đồ
• Trắc địa bản đồ
• Rác thải nhựa
• Hệ sinh thái biển
• Ô nhiễm rác thải nhựa
• Mô hình Faster R CNN
• Đối tượng di động