语音识别论文笔记

Scaled-YOLOv4: Scaling Cross Stage Partial Network 论文笔记

Scaled-YOLOv4:ScalingCrossStagePartialNetwork论文链接：https://arxiv.org/abs/2011.08036一、ProblemStatementCSPNet的作者用其CSPNet的方法分别从网络的深度，宽度，结构和输入图像的分辨率改善YOLOV4。二、Direction作者发现在RegNet中，CNN最优的深度为60左右，且当bottlene
Tianchao龙虾·2023-11-04 20:37

全志R528核心板和开发板

板载WIFI和BT模块，具备在线语音识别/控制和无线音频输入功能；同时提供丰富的外设接口支持，如RGB/MIPI/LVDS显示屏、RMII以太网、USB、SDIO、UART、
lu968968·2023-11-04 20:53

02:智能视频分段加速,视频延时慢放 03:智能给视频加字幕,语音识别加字幕 04:给视频去水印功能,裁剪遮挡去字幕 05:视频加水印,图片水印,漂

02:智能视频分段加速,视频延时慢放03:智能给视频加字幕,语音识别加字幕04:给视频去水印功能,裁剪遮挡去字幕www.shipinshanshan.com05:视频加水印,图片水印,漂浮水印,文字水印
视频闪闪·2023-11-04 19:39

【VSLAM系列】三：Vins-Mono论文笔记

VINs-Mono论文1.VINS-Mono的特点：1.未知初始状态的鲁棒性初始化过程2.带imu-camera外参校准和imu校准的紧耦合，基于非线性优化的单目VIO系统3.在线重定位和四个自由度的全局姿态图优化。4.姿态图可以保存，加载，并和局部姿态图进行合并。2.传感器数据处理摄像头和imu数据融合方法：1.松耦合法，imu是独立于摄像头的模块，常使用EKF算法，imu数据此时用于状态传播，
塞拉摩·2023-11-04 19:06

语音识别学习

给自己挖了个坑，一个课程论文突然让我看起了语音识别TAT1.https://blog.csdn.net/lukabruce/article/details/82380511隐马尔可夫模型（HMM）mark
桉豆子·2023-11-04 18:38

论文笔记 | TIMESNET: TEMPORAL 2D-VARIATION MODELING FOR GENERAL TIME SERIES ANALYSIS 时序数据1D-2D

文章目录一、==*ThesisKeyMessages*==二、==*KeyPoints*==2.1、==*1D-2D*==2.2、==*TimesBlock*==三、==*ArticleReflection*==1、Motivations2、解决方案的关键3、论文工作成果四、总结与讨论CSDN欲寄：https://blog.csdn.net/qq_62631255一、ThesisKeyMessag
欲寄·2023-11-04 17:26

论文笔记：TIMESNET: TEMPORAL 2D-VARIATION MODELINGFOR GENERAL TIME SERIES ANALYSIS

ICLR20231intro时间序列一般是连续记录的，每个时刻只会记录一些标量之前的很多工作着眼于时间维度的变化，以捕捉时间依赖关系——>可以反映出、提取出时间序列的很多内在特征，比如连续性、趋势、周期性等但是现实时间序列数据中的时间序列通常是由很复杂的时间特征组成，不同的时间维度上的变化会糅杂在一起，使得建模时间维度的变化异常困难在深度学习领域，很多模型有很强的建模非线性的能力，因而可以捕获时间
UQI-LIUWJ·2023-11-04 17:54

yolo v1论文笔记

yolov1参考这篇文章https://zhuanlan.zhihu.com/p/46691043摘要weframeobjectdetectionasaregressionproblemtospatiallyseparatedboundingboxesandassociatedclassprobabilities.作者将目标检测问题变成一个回归问题，包括boundingboxes的计算和目标类别的
红鲤鱼遇绿鲤鱼·2023-11-04 13:58

YOLO学习笔记之YOLO v1 论文笔记1（超详细：翻译+理解）

前言一、Abstract（概括）二、Introduction（介绍）三、UnifiedDetection（统一检测）1、NetworkDesign（网络设计）2、Training（训练）3、Inference（推论）4、LimitationsofYOLO（YOLO的局限性）前言看过很多的YOLO中文版学习笔记，干货比较多，但是，有点干，对于很多想要入门的童鞋来说，看着很难理解，一些概念晦涩难懂，一
bufengzj·2023-11-04 13:17

初学者也能看懂的隐马尔科夫模型介绍

隐马尔可夫模型（hiddenMarkovmodel，HMM）是时间序列的概率模型，常用于词性标注，语音识别，文本分析等领域。HMM是基于马尔科夫链进行标注的，我们对已经观察的数据序列O进行标
小白学视觉·2023-11-04 11:37

TensorFlow什么意思？TensorFlow是什么？

Google开源深度学习系统TensorFlow在很多地方可以应用，如语音识别，自然语言理解，计算机视觉，广告等等。
AI小菜鸡一个·2023-11-04 09:08

人工智能的应用与发展趋势

人工智能技术的应用范围广泛，包括自然语言处理、机器视觉、语音识别、智能推荐、自动驾驶、智能医疗等领域。
泰海科技志胜·2023-11-04 07:11

whisper部署与使用

Whisper的核心功能是语音识别，对应生活中可以有很多应用场景。虽然效果显著，但是其核心仅仅简单粗暴的使用了Transformer。具体细节这里不展开，可以通过阅读论文或源码的方式了解。
alberic_k·2023-11-04 07:56

AI：53-基于机器学习的字母识别

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-04 06:43

如何实现语音识别功能

native嵌套H5实现语音识别功能？看图说话，我采用的是mui框架所自带的功能！代码附上：语音识别语音识别：mui.min.css文件：/*!
Rkatsiteli·2023-11-04 05:36

openai-whisper

whisper[博客][论文][模型卡][Colab示例]Whisper是一种通用语音识别模型。它是在大量不同音频数据集上进行训练的，也是一个多任务模型，可以执行多语言语音识别、语音翻译和语言识别。
sanbaofengs·2023-11-04 05:35

开放词汇视觉定位 OV-VG: A Benchmark for Open-Vocabulary Visual Grounding 论文笔记

开放词汇视觉定位OV-VG:ABenchmarkforOpen-VocabularyVisualGrounding论文笔记一、Abstract二、Abstract三、相关工作A、视觉定位B、短语定位C、
乄洛尘·2023-11-04 04:28

观点｜我离开AI行业的5个理由

从图像识别、语音识别，到自然语言生成、内容创作、自动驾驶等，AI貌似已经无处不在，尤其是深度学习算法的出现，让AI进一步融入了人类生活。但是，如今的AI真实可信吗？
Tom Hardy·2023-11-03 21:13

CoCa论文笔记

摘要计算机视觉任务中，探索大规模预训练基础模型具有重要意义，因为这些模型可以可以极快地迁移到下游任务中。本文提出的CoCa（ContrastiveCaptioner），一个极简设计，结合对比损失和captioning损失预训练一个image-textencoder-decoder基础模型，该模型包含对比方法，如CLIP，和生成方法，如SimVLM，的学习能力。与基本的encoder-decoder
hello_dear_you·2023-11-03 18:28

探索“声音驱动唇形”技术的工作原理

语音合成技术是指将文字信息转换为人类可以理解的语音，它广泛应用于语音识别、虚拟人物的声音合成、游戏中的语音交互等领域。
小文智能·2023-11-03 16:05

酷雷曼多种AI数字人形象，打造科技感VR虚拟展厅

△AI数字人导览如你所见，像上述全景作品中这种整合了动作驱动、唇形驱动技术、智能语音识别等众多人工智能技术的可视化虚拟人物，就是我们所说的AI数字人。再说简单点，所有
酷雷曼VR全景·2023-11-03 16:34

AI：49-基于深度学习的杂草识别

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-03 10:34

坚持记录博客NO：1------------------＞论文笔记：深度学习

1.词汇学习paradigm：典范；样式；引申为课题hierarchical：分层的；等级体系的2.小知识扩展：百度创始人李宏彦创办的第一个研究所就是深度学习研究所3.重点知识：（1）什么是机器学习？答：机器学习机器就是通过算法，使得机器能从大量历史数据中学习规律，从而对新的样本做智能识别或对未来做预测.（2）BP算法？答：BP算法是人工神经网络的反向传播算法（BackPropgation）利用B
红心柚大果·2023-11-03 02:14

AI：46-基于深度学习的垃圾邮件识别

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-03 02:40

【论文笔记】U-BERT: Pre-training User Representations for Improved Recommendation

原文作者：ZhaopengQiu,XianWu,JingyueGao,WeiFan原文标题：U-BERT:Pre-trainingUserRepresentationsforImprovedRecommendation原文来源：AAAI2021原文链接：https://www.aaai.org/AAAI21Papers/AAAI-2116.QiuZ.pdfU-BERT:Pre-trainingUs
BodyCsoulN·2023-11-02 22:58

RNN神经网络适用于什么,RNN神经网络基本原理

然而，样本出现的时间顺序对于自然语言处理、语音识别、手写体识别等应用非常重要。对了适应这种需求，就出现了另一种神经网络结构——循环神经网络RNN。
「已注销」·2023-11-02 21:32

AI：48-基于卷积神经网络的气象图像识别

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-02 16:55

AI：50-基于深度学习的柑橘类水果分类

本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习操作（MLOps）、计算机视觉、虚拟现实（VR）/增强现实（AR）等等✨✨✨在这个漫长
一见已难忘·2023-11-02 16:55

介绍 TensorFlow 的基本概念和使用场景。

它可以用来建立深度学习模型，解决各种复杂的机器学习问题，如图像识别、语音识别、自然语言处理等。TensorFlow的基本概念是张量（Tensor），它是一个多维数组。
Stephen_CY666·2023-11-02 14:04

AI智能语音识别模块（二）——基于Arduino的语音控制MP3播放器

文章目录简介离线语音控制模块MiniMP3模块0.96寸OLED模块实验准备安装库接线定义主要程序实验效果注意事项总结简介在前面一篇文章里我们对AI智能语音识别模块进行了介绍，并对离线语音模组下载固件的过程进行了一个简单描述
优信电子·2023-11-02 10:14

神经网络与监督式学习

除了我们之前看的预测房价的例子（标准的神经网络）比如图像识别（CNN：卷积神经网络），翻译和语音识别（RNN：循环神经网络），还有自动驾驶（将CNN和RNN结合起来的更定制化的神经网络）。
Ang陈·2023-11-02 09:42

基于深度学习的水果识别 计算机竞赛

/dancheng-senior/postgraduate2开发简介深度学习作为机器学习领域内新兴并且蓬勃发展的一门学科，它不仅改变着传统的机器学习方法，也影响着我们对人类感知的理解，已经在图像识别和语音识别等领域取得广泛的
Mr.D学长·2023-11-02 09:18

一键办公：PDF转换word、OCR识别、语音识别、教学办公一应俱全

前段时间，我在编辑文档时，发现自己电脑自带的word版本太低，打开同事传送过来的文件时，发现格式错乱（比如字体乱码），图片乱飞的情况，万般无奈之下，只好找到这款工具万彩办公大师以解燃眉之急。1.下载该软件最新版压缩包。image2.打开压缩包，在date文件夹里找到后缀为exe的程序，双击运行，也可以解压到桌面运行。image3.安装之后，打开桌面图标，可以看到整个界面清新，无广告，功能介绍也很完
星愿夜读·2023-11-02 07:39

STM32智能小车（循迹、跟随、避障、测速、蓝牙、wife、4g、语音识别）总结

目录1.电机模块开发1.1让小车动起来1.2串口控制小车方向1.3如何进行小车PWM调速1.4PWM方式实现小车转向2.循迹小车2.1循迹模块使用2.2循迹小车原理2.3循迹小车核心代码2.4循迹小车解决转弯平滑问题3.跟随/避障小车3.1红外壁障模块分析编辑3.2跟随小车的原理3.3跟随小车开发和调试代码3.4超声波模块介绍3.5舵机模块介绍3.6摇头避障小车开发和调试代码4.测速小车4.1测速
罗小白的干爹·2023-11-02 06:04

论文笔记之Deep Neural Networks for YouTube Recommendations

DeepNeuralNetworksforYouTubeRecommendations文中把整个推荐过程分成两个步骤：•deepcandidategenerationmodel.即召回部分•deeprankingmodel.即精排部分文中指出YouTube推荐的三个主要挑战：•Scale.YouTube推荐的数据规模大，一些适合处理小规模数据的推荐算法效果不好。•Freshness.YouTube
小弦弦喵喵喵·2023-11-02 01:46

python语音识别库kaldi_Kaldi语音识别库在Linux下的安装和编译

1.介绍Kaldi语音识别工具将HTK比较零碎的各种各样的指令和功能进行整理集合，使用perl脚本调用。
岑依惜·2023-11-02 01:00

kaldi在linux上编译,Kaldi语音识别库linux环境下的安装和编译

介绍：Kaldi语音识别库可以说是，HTK数据库的整理加强版，将HTK比较零碎的各种各样的指令和功能进行整理，使用更加的方便，同时也加入了深度神经网络的分类器(DNN)，本身由原来做HTK开发的人员制作而成
三上酱·2023-11-02 01:30

linux编译aidl接口,ubuntu下安装kaidl实用教程

1.介绍Kaldi语音识别工具将HTK比较零碎的各种各样的指令和功能进行整理集合，使用perl脚本调用。
weixin_39779530·2023-11-02 01:30

ASRT从零搭建并测试

参考文章：从零开始搭建属于自己的语音识别API服务器（ASRT开源项目）_asrt_v0.6.1_志谦的博客-CSDN博客w我是用VM搭建使用的，用的Ubuntu20.04Server1.Server默认没有很多工具
胖多鱼·2023-11-02 01:25

kaldi在Linux下的安装

1.介绍Kaldi语音识别工具将HTK比较零碎的各种各样的指令和功能进行整理集合，使用perl脚本调用。
ch977·2023-11-02 01:25

系统的说说语音机器人这回事--总章

语音识别-ASR语义理解-NLU对话管理-对话状态跟踪DST\对话活动DA策略模型-通用模型GM\领域模型DM语言生成-NLG语音合成-TTS开源框架：AIML-ArtificialIntelligenceMarkupLanguagePython
胖多鱼·2023-11-02 01:23

Fedora 32安装Kaldi

Kaldi的链接，讲的都比较明确，例如：kaldi的编译安装与报错解决方法_extras/check_dependencies.shextras/check_dependen-CSDN博客保姆级kaldi语音识别
胖多鱼·2023-11-02 01:50

循环神经网络 - RNN

**利用RNN的这种能力，使深度学习模型在解决语音识别、语言模型、机器翻译以及时序分析等NLP领域的问题时有所突破。潜变量自回归模型使用潜变量hth_th
mango1698·2023-11-02 00:18

论文笔记——chatgpt评估+

文章目录1.chatgpt效果评估:EvaluatingChatGPT’sInformationExtractionCapabilities:AnAssessmentofPerformance,Explainability,Calibration,andFaithfulness文章简介文章结论2.事件抽取：OneEE:AOne-StageFrameworkforFastOverlappingand
YingJingh·2023-11-01 23:06

华为ICT——第五章语音处理理论与实践

语言信号预处理-预加重：语音信号预处理——分帧：语音信号预处理——加窗：语音特征（1）：语音特征（2）：语音信号分析（1）语音信号分析（2）语音信号的时域分析：语音信号的频域分析：语音特征：语音——文字：语音识别
希斯奎·2023-11-01 22:15

UE5语音识别和语音合成-阿里云智能语音-短视频-翻译-文章-AI角色等

阿里云智能语音一共分为语音合成，语音识别，什么是语音合成，它可以将您的文字转化成您设定的任何声音，并且播放出来。
人宅·2023-11-01 21:18

基础课15——语音标注

在语音数据标注中，标注员需要对语音数据进行分类、切分、转写等操作，让人工智能系统能够从中学习到正确的语音识别能力。
AI 智能服务·2023-11-01 21:55

基于深度学习的语音识别算法的设计与实现

收藏和点赞，您的关注是我创作的动力文章目录概要一、课题内容二、需求分析2.1算法需求分析2.2语音录制2.3声学模型2.4语言模型2.5训练集和测试集2.6深度神经网络三算法设计原理3.1语音识别系统3.1.1
01图灵科技·2023-11-01 17:46

大模型开启人工智能的新时代

大模型通常用于解决复杂的自然语言处理、计算机视觉和语音识别等任务。这些任务通常需要处理大量的输入数据，并从中提取复杂的特征和模式。
新知图书·2023-11-01 16:44

【论文笔记2019-04-10】Libra R-CNN: Towards Balanced Learning for Object Detection

网络优化不平衡问题妨碍了充分利用设计良好的架构，进而限制其总体性能。可概括如下：1.采样级的不平衡：随机采样会使所选样本受简单样本的支配；复杂采样方法，如OHEM，会使注意力更向复杂样本集中，但是却对噪声标签敏感，并且会提升内存的占用和计算量。2.特征级的不平衡：深度高水平的特征具有更多语义，而浅层低水平特征更容易描述。近年来，基于横向连接的特征整合如FPN和PANet的使用，使得目标检测获得了进
EverydayRunning·2023-11-01 13:20
上一页 19 20 21 22 23 24 25 26 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他