FB-MSTCN: A FULL-BAND SINGLE-CHANNEL SPEECH ENHANCEMENT METHODBASED ON MULTI-SCALE TEMPORAL CONVOLU

已于 2022-03-16 18:05:21 修改
阅读量3.4k 收藏
点赞数
分类专栏： PaperSummary 文章标签： 神经网络 深度学习
于 2022-03-16 18:00:32 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_48994423/article/details/123532064
版权

题目：

FB-MSTCN: A FULL-BAND SINGLE-CHANNEL SPEECH ENHANCEMENT METHOD
BASED ON MULTI-SCALE TEMPORAL CONVOLUTIONAL NETWORK

[ICASSP 2022 arXiv:2203.07684v1]

Motivation

由于训练数据的限制和计算复杂度，全波段(48kHz)语音信号的实时增强非常具有挑战性。由于高频部分的频谱信息能量较低，导致利用神经网络对全频谱进行直接建模和增强更加困难。为了解决这一问题，本文提出了一种具有提取-插值机制的两阶段实时语音增强模型。

Method

通过提取的方法将单通道全频带信号分为三个子通道宽带信号，其中j表示信道的索引。在第一阶段，使用一个固定长度的长期嵌入单元和一个动态的长期嵌入单元来捕获语音信号的时间依赖性，然后使用多尺度时间卷积网络(MSTCN)对其进行多尺度特征分析。通过MSTCN后的6个一维卷积计算。在第二阶段&#x

最低0.47元/天 解锁文章
路飞快来找我
关注
专栏目录
论文翻译：2021_DeepFilterNet: A Low Complexity Speech Enhancement Framework for Full-Band Audio based on
m0_56069948的博客
01-21 1311
Python微信订餐小程序课程视频 https://edu.csdn.net/course/detail/36074 Python实战量化交易理财系统 https://edu.csdn.net/course/detail/35475 目录 摘要2  DeepfilterNet2.1  信号模型2.2  Deep Filtering2.3  框架概述2.4  DNN模型2.5  数据处理2.6  损失函数3  实验3.1&nbs
【文献阅读】Small-Footprint Keyword Spotting with Multi-Scale Temporal Convolution
qq_18283353的博客
07-10 466
题目：Small-Footprint Keyword Spotting with Multi-Scale Temporal Convolution 时间：2020 会议/期刊：INTERSPEECH 研究机构：CAS Key Laboratory of Wireless-Optical Communications, 中科大
【语音唤醒】MDTC：Multi-scale dilated temporal convolutional network
不积跬步，无以至千里！
04-02 2061
语言唤醒
MTFAA-Net 使用教程
最新发布
gitblog_00796的博客
08-16 664
MTFAA-Net 使用教程 MTFAA-Net项目地址:https://gitcode.com/gh_mirrors/mt/MTFAA-Net 1. 项目介绍 MTFAA-Net（Multi-Scale Temporal Frequency Convolutional Network With Axial Attention for Speech Enhancement）是一个用于语音增强的深...
论文笔记Multi-Scale Temporal Cues Learning for Video Person Re-Identification
分享笔记
11-26 431
摘要中提到将时间线索嵌入到视频中对于行人重识别是一个非常重要的线索。为了解决将时间线索嵌入应用到ReID中，提出了一个新的方法，在原来的2D卷积网络中，添加一个新的被叫做M3D(Multi-scale 3D convolution layer)的卷积层。根据M3D在2D卷积网络插入的位置，可分为局部M3D和全局M3D。局部M3D层被插入2D卷积层之间，用来学习相邻2D特征图之间的空时域线索。全局M3D被用来计算相邻帧特征向量，以学习它们的全局时间关系。因此，局部和全局M3D层学习互补的时间线索。
论文翻译：2022_DNS_1th：Multi-scale temporal frequency convolutional network with axial attention for spee...
凌逆战的博客
12-09 2392
论文地址：带轴向注意的多尺度时域频率卷积网络语音增强 论文代码：https://github.com/echocatzh/MTFAA-Net 引用：Zhang G, Yu L, Wang C, et al. Multi-scale temporal frequency convolutional network with axial attention for speech enhanceme...
A Multi-scale Spatial-temporal Attention Model for Person Re-identification in Videos 论文记录总结
深度菜鸡-达闻西的博客
03-30 1063
A Multi-scale Spatial-temporal Attention Model for Person Re-identification in Videos 文章目录A Multi-scale Spatial-temporal Attention Model for Person Re-identification in Videos摘要介绍最近工作所提出的方法实验总结新的改变功能快...
Speech-Separation-Paper-Tutorial:基于神经网络的语音分离必读论文
05-08
基于神经网络的语音分离必读论文和教程列表 该存储库包含用于纯语音分离和多模式语音分离的论文。 通过Kai Li（如果有任何建议，请与我联系！电子邮件： ）。 提示：对于语音分离初学者，我建议您阅读“深度群集”...
content-preserving-tone-adjustment-for-image-enhancement:图像增强比赛-NTIRE19-CVPR19
03-17
1-更改必须在文件中增强的目录：“ enh_pwise_single_filt_7_wd_0.0 ”，位于键“数据集→参数→ regen → input_dir ” 2-使用以下命令运行代码： python Trainer.py --json ./json/enh_pwise_single_filt_7_wd_...
C-LIENet-A-Multi-Context-Low-Light-Image-Enhancement-Network:Paper'C-LIENet的官方代码存储库
03-06
在提供的压缩包文件" C-LIENet-A-Multi-Context-Low-Light-Image-Enhancement-Network-main "中，很可能会包含以下内容： 1. Jupyter Notebook 文件：这是用于演示和实验的交互式编程环境，可能包含了网络的实现...
Temporal Convolutional Network with Frequency Dimension AdaptiveAttention for Speech Enhancement
weixin_48994423的博客
02-14 1821
[INTERSPEECH 2021] Motivation 目前尽管取得了很多进展，但大多数基于时域卷积网络（TCN）的语音增强模型主要集中在对语音帧的长期时间背景依赖进行建模，而没有考虑到语音信号在频率维度上的分布信息。在这项研究中，我们提出了一种频率维度的自适应注意（FAA）机制来改进TCN，引导模型选择性地强调具有重要语音信息的频率维度特征，同时也提高了网络的表示能力。 Method A Training Targets 我们假设短时傅里叶变换（STFT）域中的加性噪声： 其中Y.
MS-TCN
weixin_46365033的博客
07-01 1389
文章目录AbstractIntroductionTemporal Action SegmentationSingle-Stage TCNMulti-Stage TCNExperimentsnumber of stagesMuti-Stage TCN vs. Deeper Single-Stage TCN传递参数的影响时间分辨率的影响number of stage微调特征的作用 Abstract 传统方法遵循两步流程： 生成逐帧概率； 提供给高级时间模型。 最近方法：使用时间卷积直接对视频帧进行分类。 本
论文阅读笔记二十一：MULTI-SCALE CONTEXT AGGREGATION BY DILATED CONVOLUTIONS（ICRL2016）
weixin_33805557的博客
12-01 365
论文源址：https://arxiv.org/abs/1511.07122 tensorflow Github:https://github.com/ndrplz/dilation-tensorflow 摘要 该文提出了空洞卷积模型，在不降低分辨率的基础上聚合图像中不同尺寸的上下文信息，同时，空洞卷积扩大感受野的范围。 介绍 语义分割具有一定的挑战性，因为...
Facial Expression Recognition with multi-scale Graph Convolutional Networks-论文笔记
Tender_Li的博客
04-16 761
这篇文章的作者是来自中国移动研究院的研究者，将图卷积神经网络应用与人脸表情识别中，并提出了一种新的通过人脸图片构建图结构的方法。 论文地址：Facial Expression Recognition with multi-scale Graph Convolutional Networks 1. Abstract Recognizing emotion through facial expression has now been widely applied in our daily lives. Ther
基于多尺度自适应图神经网络的多变量时间序列预测
hellozhxy的博客
09-06 1539
本文介绍一篇刚被数据挖掘国际顶级期刊TKDE 2023接收的regular paper。
TCN（Temporal Convolutional Networks）详解
热门推荐
weixin_57726558的博客
08-08 2万+
文章介绍了一种时序预测算法TCN（时域卷积网络）利用因果卷积和残差模块等，使得模型能更好的捕捉时序数据局部依赖关系以及稳定的梯度传播，与RNN相比有不同的优缺点；文中还对一维卷积做了简单介绍，以便初学这能更好的学习和了解，并附带详细代码示例。
TCN 时序卷积网络 （temporal convolutional network）【因果卷积、空洞卷积】
IN year
01-10 5316
因果卷积保证了在任何时间点t，输出只依赖于时间点t及其之前的输入，而不依赖于t之后的输入。具体地说，假设我们有一个一维的输入序列和一个大小为k的卷积核，为了实现因果卷积，我们可以在序列的开始处填充k-1个零，然后进行标准的卷积操作。最初的提出是为了解决图像分割的问题，常见的图像分割算法通常使用池化层和卷 积层来增加感受野，同时也缩小了特征图尺寸，然后利用上采样还原图像尺寸，特征图缩小在放大的过程造成了精度上的损失，因此需要一种操作可以在增加感受野的同时保持特征图的尺寸不变，从而代替下采样和上采样操作。
时间序列论文：Multi-Scale Convolutional Neural Networks
AI蜗牛车
03-07 2351
论文地址：https://arxiv.org/abs/1603.06995keywords:时间序列处理;深度学习;keras针对现有时间序列分类方法的特征提取与分类过程分离，且无法...
论文详解 + TCN 篇知识点补充： Dilated Convolution_空洞卷积
Kuo_Jun_Lin的博客
06-10 2785
此篇延伸补充的源头文章链接：深度学习 + 论文详解： TCN_时间卷积网络_原理与优势相关主题推荐文章：
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