使用连接时序分类在未分段序列上训练 LDCRF 模型
机器学习
2016-09-07 v3 计算机视觉与模式识别
摘要
许多机器学习问题，如语音识别、手势识别和手写识别，都涉及序列数据的同步分段与标注。隐变量动态条件随机场（LDCRF）是一种著名的判别式方法，已被成功用于此任务。然而，LDCRF 只能使用预先分段的训练数据序列进行训练，其中每一帧的标签需先验已知。在神经网络领域，连接时序分类（CTC）的发明使得在未分段序列上成功训练循环神经网络成为可能。本文我们使用 CTC 在未分段序列上训练 LDCRF 模型。在两个手势识别任务上的实验结果表明，所提方法优于 LDCRF、隐马尔可夫模型和条件随机场。
引用
@article{arxiv.1606.08051,
title = {Training LDCRF model on unsegmented sequences using Connectionist Temporal Classification},
author = {Amir Ahooye Atashin and Kamaledin Ghiasi-Shirazi and Ahad Harati},
journal= {arXiv preprint arXiv:1606.08051},
year = {2016}
}