基于多流多状态动态贝叶斯网络的音视频连续语音识别DBN Based Multi.pdfVIP

下载本文档

0
0
约2.7万字
约 6页
2018-01-14 发布于河北
举报
版权申诉

基于多流多状态动态贝叶斯网络的音视频连续语音识别DBN Based Multi.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于多流多状态动态贝叶斯网络的音视频连续语音识别DBN Based Multi

第 30 卷第 12 期电子与信息学报 Vol.30No.12 2008 年 12 月 Journal of Electronics Information Technology Dec..2008 基于多流多状态动态贝叶斯网络的音视频连续语音识别 ① ① ① ① ② ② ② 吕国云蒋冬梅张艳宁赵荣椿 H Sahli Ilse Ravyse W Verhelst ①(西北工业大学计算机学院西安 710072) ②(布鲁塞尔自由大学电子与信息处理系布鲁塞尔 B-1050 比利时) 摘要：语音和唇部运动的异步性是多模态融合语音识别的关键问题，该文首先引入一个多流异步动态贝叶斯网络 (MS-ADBN)模型，在词的级别上描述了音频流和视频流的异步性，音视频流都采用了词-音素的层次结构。而多流多状态异步 DBN(MM-ADBN)模型是 MS-ADBN 模型的扩展，音视频流都采用了词-音素-状态的层次结构。本质上，MS-ADBN 是一个整词模型，而 MM-ADBN 模型是一个音素模型，适用于大词汇量连续语音识别。实验结果表明：基于连续音视频数据库，在纯净语音环境下，MM-ADBN 比MS-ADBN 模型和多流 HMM 识别率分别提高 35.91%和 9.97%。关键词：语音识别；动态贝叶斯网络；音视频；多流异步中图分类号：TP391.42 文献标识码：A 文章编号：1009-5896(2008)12-2906-06 DBN Based Multi-stream Multi-states Model for Continue Audio-Visual Speech Recognition ① ① ① ① Lü Guo-yun Jiang Dong-mei Zhang Yan-ning Zhao Rong-chun ② ② ② H Sahli Ilse Ravyse W Verhelst ① (Northwestern Polytechnical University, School of Computer Science, Xi’an 710072, China) ② (Vrije Universiteit Brussel, Department ETRO, Brussel B-1050, Belgium) Abstract: Asynchrony of speech and lip motion is a key issue of multi-model fusion Audio-Visual Speech Recognition (AVSR). In this paper, a Multi-Stream Asynchrony Dynamic Bayesian Network (MS-ADBN) model is introduced