在终端设备上实现语音识别:ARM开源了TensorFlow预训练模型-阿里云开发者社区

开发者社区> 量子位> 正文
登录阅读全文

在终端设备上实现语音识别:ARM开源了TensorFlow预训练模型

简介:
本文来自AI新媒体量子位(QbitAI)

关键词识别(Keyword Spotting,KWS)是语音识别领域的一个子领域,在用户在智能设备上进行语音交互时起到重要作用。

640?wx_fmt=png&wxfrom=5&wx_lazy=1

 关键词识别pipeline

近日,ARM和斯坦福大学合作开源了预训练TensorFlow模型和它们的语音关键词识别代码,并将结果发表在论文Hello Edge: Keyword Spotting on Microcontrollers中。

这个开源库包含了TensorFlow模型和在论文中用到的训练脚本。

在论文中,研究人员还展示了不同的神经网络架构,包含DNN、CNN、Basic LSTM、LSTM、GRU、CRNN和DS-CNN,并将这些架构加入到预训练模型中。

预训练模型地址:

https://github.com/ARM-software/ML-KWS-for-MCU/tree/master/Pretrained_models

论文摘要

在研究中,研究人员评估了神经网络架构,并且在资源受限的微控制器上运行KWS。他们训练了多种神经网络架构变体,并比较变体之间的准确性和存储/计算需求。

640?wx_fmt=png&wxfrom=5&wx_lazy=1

 神经网络模型的准确性

研究人员发现,在不损失精确度的情况下,在存储了计算资源受限的微控制器上优化这些神经网络架构可行。

640?wx_fmt=png&wxfrom=5&wx_lazy=1

之后,研究人员还进一步探索了DS-CNN架构,并且和其他神经网络架构进行了对比。

结果证明,DS-CNN架构的准确性最高,为95.4%,比超参数相似的DNN模型精确度约高10%。

640?wx_fmt=png&wxfrom=5&wx_lazy=1
 超参数搜索中的最佳神经网络

相关资料

论文下载地址:

https://arxiv.org/pdf/1711.07128.pdf

项目代码地址:

https://github.com/ARM-software/ML-KWS-for-MCU

本文作者:林鳞 
原文发布时间:2017-12-14 

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
+ 订阅

官方博客
最新文章
相关文章
官网链接