一种用于基于循环神经网络的端到端时间分类与分割的新拓扑
计算与语言
2019-12-11 v1 机器学习
声音
音频与语音处理
摘要
连接主义时间分类（CTC）已成熟为一种无需对齐的序列转导方法，并在端到端语音识别中表现出竞争力。在 CTC 拓扑中，空白符号占据了状态网格的一半以上，这导致了非空白符号的尖峰现象。对于分类任务，尖峰表现相当好，但就分割任务而言，它不提供边界信息。本文引入了一种新拓扑，将时间分类与分割能力结合在一个框架中。
引用
@article{arxiv.1912.04784,
title = {A Novel Topology for End-to-end Temporal Classification and Segmentation with Recurrent Neural Network},
author = {Taiyang Zhao},
journal= {arXiv preprint arXiv:1912.04784},
year = {2019}
}
备注
4 pages,3 figures