- 博客(4)
- 收藏
- 关注
RSS订阅原创 语音中常用输入特征的提取过程：MFCC、FBank
声纹识别中常用输入特征的提取过程：MFCC、FBank介绍梅尔(Mel)频率掩蔽效应和临界带宽Mel滤波器MFCC提取流程1.预加重2.加窗3.DFT4.Mel滤波5.DCT变换Fbank提取流程总结介绍要了解 MFCC 的提取流程，我们先复习一下一些相关知识。梅尔(Mel)频率梅尔频率为人耳所感知到的声音频率。当音频的物理频率 fff 在1kHz 以下，其梅尔频率 Mel(f)Mel(f)Mel(f) 与 fff 近似为线性关系，而在1kHz 以上则近似为对数关系。两者的对应关系可用下式来近似：
2021-05-19 15:20:05
2332
1
原创 论文阅读 ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks
论文阅读 ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks前言Asymmetric Convolution Block (ACB)卷积分支的融合每个分支融合conv和BN并行分支融合实验前言对CNN结构的设计，之前的工作主要关注层间的连接方式，如 VGG 简单地把层堆叠在一起，ResNet 通过 identity mapping 把 block 的输入和输出加在一起，
2021-05-18 10:41:10
291
原创 说话人确认Speaker Verification中的评估指标：EER、minDCF、DET曲线、ROC曲线
说话人确认Speaker Verification中的评估指标：EER、minDCF、DET曲线、ROC曲线前言等错误概率EER（Equal Error Rate）最小检测代价函数minDCF（Minimum Detection Cost Function）DET曲线（Detection Error Trade-off）ROC曲线（Receiver Operating Characteristic）前言说话人确认（Speaker Verification）的测试阶段需要判断两句话是否来自同一个说话人，
2021-05-12 15:24:42
4865
1
原创 论文阅读：Regularizing Deep Networks with Semantic Data Augmentation
论文阅读：Regularizing Deep Networks with Semantic Data Augmentation动机特征空间的语义变换Implicit semantic data augmentation (ISDA)1. 选择合适的语义方向2.优化一个loss的上界算法ISDA用于半监督学习实验papercode动机图像的语义信息 (semantic information) 是指与图像内容有关的信息，如图片的背景、图片中物体的颜色、视角等。图像中常用的数据增广 (Data Au
2021-05-12 12:24:43
993
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人