CTC学习笔记（一）简介

最新推荐文章于 2024-05-13 23:25:52 发布

过得很好梵蒂冈

最新推荐文章于 2024-05-13 23:25:52 发布

阅读量277

点赞数

本文链接：https://blog.csdn.net/qq_44944990/article/details/89416996

版权

CTC（Connectionist Temporal Classification）是用于时序类分类的神经网络方法，尤其适用于语音识别。它允许输入序列与输出序列不需一一对应，简化了数据预处理，减少了强制对齐的需求。CTC通过引入blank状态，解决了不同音素时长不一致的问题，输出序列预测概率，减少了后处理需求。

摘要由CSDN通过智能技术生成

背景

Connectionist temporal classification简称CTC，翻译不太清楚，可以理解为基于神经网络的时序类分类。其中classification比较好理解，表示分类问题；temporal可以理解为时序类问题，比如语音识别的一帧数据，很难给出一个label，但是几十帧数据就容易判断出对应的发音label，这个词也给出CTC最核心的意义；connectionist可以理解为神经网络中的连接。
语音识别声学模型的训练属于监督学习，需要知道每一帧对应的label才能进行有效的训练，在训练的数据准备阶段必须要对语音进行强制对齐。
CTC的引入可以放宽了这种一一对应的限制要求，只需要一个输入序列和一个输出序列即可以训练。有两点好处：不需要对数据对齐和一一标注；CTC直接输出序列预测的概率，不需要外部的后处理。
这里写图片描述
如上图，传统的Framewise训练需要进行语音和音素发音的对齐，比如“s”对应的一整段语音的标注都是s；而CTC引入了blank（该帧没有预测值），