U-Net
⚫ U-Net是2015年菲兹保大学的Olaf Ronneberger等人提出的生物图像分割的深度学习模 型。
思考题
本章总结：
本章讲解了图像处理理论和应用。详细介绍了数字图像处理基础和图像预处理 技术。总结了图像处理的基本任务，并介绍了图像处理中的传统特征提取算法 和使用深度学习的图像处理方法——卷积神经网络。
语音处理理论与实践：
1. 语音处理介绍
◼ 语音处理介绍
语音预处理基础
语音信号分析及特征提取
2. 语音识别
3. 语音合成
4. 传统声学模型GMM-HMM
5. 混合模型DNN-HMM
6. 高级语音模型
语音处理简介 (1)
语音信号处理(Speech Signal Processing)简称语音处理。。因此也称数字语音信号处理。
语音处理简介 (2)
语音信号处理的研究起源于对发音器官的模拟。
语言信息主要包含在语音信号的参数之中，因此准确而迅速地提取语言信号的参数 是进行语音信号处理的关键。
语音处理主要应用场景：
语言学
语言学2
语音学 (1)
语音学 (2)
语音预处理基础
人类语音来源
发音器官分喉下、喉头、喉上三个部分。
语音数据
语音信号预处理
语音信号预处理步骤
语音信号预处理 - 预加重
语音信号预处理 - 分帧
分帧：将不定长的音频切分成固定长度的小段。
