基于深度學習的詞語級中文唇語識別
所屬分類:技術論文
上傳者:aetmagazine
文檔大小:653 K
標簽: 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重的環(huán)境下,,或對于存在聽覺障礙的人群,唇語識別至關重要,。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結構用于時空特征提取,,后端分別采用Conv1D結構和Bi-LSTM結構用于分類預測,并引入Self-Attention,、CTCLoss對Bi-LSTM后端進行改進,。最終在新網銀行唇語識別數(shù)據(jù)集上進行實驗,結果表明,,SinoLipReadingNet模型在識別準確率上明顯優(yōu)于中科院D3D模型,,多模型融合的預測準確率達到了77.64%,,平均字錯率為21.68%,。
現(xiàn)在下載
VIP會員,AET專家下載不扣分,;重復下載不扣分,,本人上傳資源不扣分。