基于深度學(xué)習(xí)的詞語級中文唇語識別
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>653 K
標(biāo)簽： 唇語識別 ResNet Bi-LSTM
所需積分：0分積分不夠怎么辦？
文檔介紹：在無聲或噪聲干擾嚴(yán)重的環(huán)境下，或?qū)τ诖嬖诼犛X障礙的人群，唇語識別至關(guān)重要。針對詞語級中文唇語識別的問題，提出了SinoLipReadingNet模型，前端采用Conv3D+ResNet34結(jié)構(gòu)用于時(shí)空特征提取，后端分別采用Conv1D結(jié)構(gòu)和Bi-LSTM結(jié)構(gòu)用于分類預(yù)測，并引入Self-Attention、CTCLoss對Bi-LSTM后端進(jìn)行改進(jìn)。最終在新網(wǎng)銀行唇語識別數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，結(jié)果表明，SinoLipReadingNet模型在識別準(zhǔn)確率上明顯優(yōu)于中科院D3D模型，多模型融合的預(yù)測準(zhǔn)確率達(dá)到了77.64%，平均字錯(cuò)率為21.68%。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。