arXiv每日推荐-3.22:语音/音频每日论文速递

最新推荐文章于 2024-08-05 20:14:09 发布
最新推荐文章于 2024-08-05 20:14:09 发布
阅读量240 收藏
点赞数
分类专栏： 语音识别 文章标签： 语音识别 人工智能 arxiv
原文链接：https://zhuanlan.zhihu.com/p/114655003
版权

同步公众号(arXiv每日学术速递)

【1】 Detecting Replay Attacks Using Multi-Channel Audio: A Neural Network-Based Method
标题：利用多通道音频检测重放攻击：一种基于神经网络的方法
作者： Yuan Gong, Christian Poellabauer
链接：https://arxiv.org/abs/2003.08225

【2】 Multi-Source DOA Estimation through Pattern Recognition of the Modal Coherence of a Reverberant Soundfield
标题：混响声场模式相干性模式识别的多源DOA估计
作者： A. Fahim, T. D. Abhayapala
链接：https://arxiv.org/abs/2003.08050

【3】 Deliberation Model Based Two-Pass End-to-End Speech Recognition
标题：基于商议模型的两遍端到端语音识别
作者： Ke Hu, Rohit Prabhavalkar
链接：https://arxiv.org/abs/2003.0796

原文链接:https://zhuanlan.zhihu.com/p/114655003

sapienst
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
arXiv每日推荐-3.19:语音/音频每日论文速递
一直在路上
03-19 504
同步公众号(arXiv每日学术速递) 【1】 Detecting Replay Attacks Using Multi-Channel Audio: A Neural Network-Based Method 标题：利用多通道音频检测重放攻击：一种基于神经网络的方法 作者： Yuan Gong, Christian Poellabauer 链接：https://arxiv.org/abs/2003...
完美解释：wenet-流式与非流式语音识别统一模型
weixin_44885180的博客
12-22 1万+
Unified Streaming and Non-streaming Two-pass End-to-end Model for Speech Recognition 流式与非流式语音识别统一模型-出门问问&西工大方案 1.模型结构 如下图所示，模型包含三个部分，分别为共享的Encoder、CTC解码器、Attention解码器，共享Encoder包含多层transformer或者conformer，CTC解码器为一个全连接层和一个softmax层，Attention解码器包含多层transfor
arXiv每日推荐-3.7:计算机视觉/图像处理每日论文速递
一直在路上
03-07 497
同步公众号(arXiv每日学术速递) [检测分类相关]： 【1】 Detecting Attended Visual Targets in Video 视频中关注的视觉目标检测 作者： Eunji Chong, James M. Rehg 备注：Accepted to CVPR 2020 链接：https://arxiv.org/abs/2003.02501 【2】 Fake Generated ...
语音论文阅读:U2
暮木的博客
05-31 1025
摘要 提出一种双路方法将流式和非流式端到端语音识别模型统一到一个模型中，模型采用混合CTC/attention架构，其中encoder中的conformer结构被修改w
Deep Speech 2: End-to-End Speech Recognition in English and Mandarin
Alex
10-16 1539
Baidu Research – Silicon Valley AI Lab Dario Amodei, Rishita Anubhai, Eric Battenberg, Carl Case, Jared Casper, Bryan Catanzaro, Jingdong Chen, Mike Chrzanowski, Adam Coates, Greg Diamos, Erich Elsen,...
arXiv-title-fixer：:page_with_curl:为包含标签的arXiv论文设置正确的（标签）标题
01-30
arXiv titler修复程序在arXiv页面上设置正确的选项卡<title> 。Chrome扩展程序可以从独立安装。Firefox插件它也可以作为的。 由于，因此该扩展名不起作用。 创建了一个的聪明解决方法 。用户脚本创建版本为...
matlab的egde源代码-SVDNet-for-Pedestrian-Retrieval:https://arxiv.org/abs/17
05-21
matlab的egde源代码SVDNet用于行人检索 在此程序包中，我们提供了本文的培训代码，这些培训代码使用shell和matlab脚本编写。 只要安装了caffe及其matlab绑定，就不需要安装。 此代码仅供学术使用。...
matlab代码能放到不同文件夹-CombinatorialOptimalTransport:论文https://arxiv.org/pdf/
05-27
该存储库包含以下最佳传输算法的MATLAB代码：该代码是该论文作者之间的共同努力。 注意：纸张已被NeurIPS 2019接受。 要求 要使用此代码，请从以下位置获取MATLAB 下载或克隆git项目。 可以使用以下测试文件来复制...
如《机器智能路线图》中所述的开发AI系统的平台-http://arxiv.org/abs/1511.08130-Python开发
05-25
CommAI-env CommAI-env（基于通信的AI环境）是一个实验平台，用于训练和评估AI系统，如《机器智能路线图》中所述。 简介CommAI-env是CommAI-env CommAI-env（基于通信的AI环境）是用于训练和评估AI系统的实验平台，...
matlab代码做游戏-fmtl:http://arxiv.org/abs/2105.06199的仿真代码
05-21
Hilbe撰写的论文“重复游戏中自私学习的进化（不稳定性）的仿真代码”。 这些仿真的详细信息可以在论文的“方法”部分找到，网址为。 指示 要进行仿真，请根据需要在simulate.m设置参数并运行 >> simulate 从MATLAB...
Joint CTC/attention decoding for end-to-end speech recognition
pitaojun的博客
12-23 1318
Joint CTC/attention decoding for end-to-end speech recognition 1. 论文摘要 端到端asr 的两种主流形式：（1）基于识别结果和声学特征之间atttention 方式；（2）基于ctc，通过马尔科夫假设利用动态规划来求解序列问题。 *思路： 传统基于attention的对齐方式自由度太高，asr任务大多数都是按照序列渐进对齐，因此考虑采用ctc-based 的对齐方式来指导解码。 2. 模型架构 优化目标 LMTL=λlogPctc(C∣X)
一周新论文 | 2020年第12周 | 自然语言处理相关
语言智能技术笔记簿
03-17 2717
《一周新论文》系列之2020年第12周：自然语言处理相关
Deep Speech 2 : End-to-End Speech Recognition in English and Mandarin论文笔记
Learning from the mistakes
09-04 4794
感想 这篇文章的署名作者尤其的多，做了很多工作，从模型设计到产品不熟，还实现了一个GPU版本的CTC，CTC可以说是这篇文章的核心部分，没有它，就没有端到端的训练，作者还用到了双向神经网络，对GPU并行都做了相应的定制化优化，涉及的很全，算法比较实验也很全，大多都是很人类水平比较。 介绍 数十年的手工工程领域知识已经融入到了最新的自动语音识别（automatic speech rec
机器之心线上分享：用于序列生成的推敲网络
机器之心
12-13 791
NIPS 2017 将于当地时间12月4日在美国长滩开幕，在此之前机器之心邀请了多位NIPS 2017 论文作者为读者做技术分享。本文是对中山大学-微软亚洲研究院联合培养博士吴郦军分享视频的回顾与论文解读。 论文：Deliberation Networks: Sequence Generation Beyond One-Pass Decoding   论文链接：http://p
CVPR2020论文分方向整理之检测篇（代码/论文解读/136篇打包下载）
qwj的博客
08-19 5250
z CVPR2020论文分方向整理之检测篇（代码/论文解读/136篇打包下载） 极市平台（微信公众号ID：extrememart）：专注计算机视觉前沿资讯和技术干货。本文由极市平台首发，转载需获授权。 本周三，CVPR官方正式开放下载，极市第一时间将所有论文（共1467篇）进行了下载打包，详情见此处。为了方便大家进一步的学习，我们对这1467篇论文进行了整理，本次分享的是所有检测类论文，并将它们细分为3D目标检测、人脸检测、动作检测、视频目标检测、文本检测、行人检测等方向，同时附上了相关解读.
CVPR2020目标检测等论文汇总：代码 / 论文解读 / 打包下载
极市平台的技术博客
06-12 9824
本文为极市平台公众号编辑整理，未经授权，不得二次转载。 原文链接：CVPR2020 检测类论文最全汇总：136 篇论文方向细分 / 代码 / 论文解读 / 打包下载 本周三，CVPR官方正式开放下载，极市第一时间将所有论文（共1467篇）进行了下载打包，详情见**此处。为了方便大家进一步的学习，我们对这1467篇论文进行了整理，本次分享的是所有检测类论文，并将它们细分为3D目标检测、人脸检测、动作检测、视频目标检测、文本检测、行人检测**等方向，同时附上了相关解读和已开源论文的代码，共计149篇，并将其.
CVPR2020开源论文（部分带阅读笔记）
热门推荐
知识混子_的博客
05-29 3万+
CVPR2020论文开源项目合集CNNExploring Self-attention for Image RecognitionImproving Convolutional Networks with Self-Calibrated ConvolutionsRethinking Depthwise Separable Convolutions: How Intra-Kernel Correlations Lead to Improved MobileNets图像分类Compositional Convo
CVPR2020论文和代码
shen_freeedom233的博客
07-22 2038
转自微信公众号 CVer，更多资源请加公众号 前言 之前Amusi整理了1467篇CVPR 2020所有论文PDF下载资源，以及270篇CVPR 2020代码开源论文项目，详见：270篇CVPR 2020代码开源的论文，全在这里了！ CVPR 2020代码开源项目一放出，得到不少CVers的关注，重点是：开源和根据方向分类。目前star数已经来到2000+，期间也有不少国内外的CVPR 2020论文作者提交issue，分享他们的工作。 在此再次更新数据，代码开源的论文突破300+，项目还在持续更新，欢迎补充
基于whisper流式语音识别
最新发布
一休
08-05 306
用open ai 的whisper用于流式识别，当然只是一个简单的原理例子
pytorch使用An implementation of CReLU - https://arxiv.org/abs/1603.05201需要安装什么包
05-10
使用PyTorch实现CReLU不需要安装任何额外的包。PyTorch本身已经包含了所有需要的库和模块。您只需要在Python环境中安装PyTorch，即可使用PyTorch实现CReLU。您可以使用以下命令安装PyTorch： ``` pip install torch ``` 如果您使用的是GPU版本的PyTorch，则还需要安装相应的CUDA驱动程序和CUDA工具包。您可以在PyTorch官方网站上找到更多信息和安装说明。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值