基于ResNet-BLSTM的端到端语音识别

• 作者: 付亚芹 夏志广 徐轩 胡章芳 马苏东
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 残差网络(ResNet) 双向长短时记忆网络(BLSTM) 并行卷积层 连接时序分类
• 年，卷（期）: 2020,（18）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 124-130
• 页数: 7页
• 分类号: TP391
• 字数: 4677字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1907-0019

摘要

基于深度学习的端到端语音识别模型中,由于模型的输入采用固定长度的语音帧,造成时域信息和部分高频信息损失进而导致识别率不高、鲁棒性差等问题.针对上述问题,提出了一种基于残差网络与双向长短时记忆网络相结合的模型,该模型采用语谱图作为输入,同时在残差网络中设计并行卷积层,提取不同尺度的特征,然后进行特征融合,最后采用连接时序分类方法进行分类,实现一个端到端的语音识别模型.实验结果表明,该模型在Aishell-1语音集上字错误率相较于传统端到端模型的WER下降2.52％,且鲁棒性较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡章芳	重庆邮电大学光电工程学院	77	290	9.0	14.0
2	徐轩	重庆邮电大学光电工程学院	1	0	0.0	0.0
3	付亚芹	重庆邮电大学光电工程学院	1	0	0.0	0.0
4	夏志广	重庆邮电大学先进制造学院	1	0	0.0	0.0
5	马苏东	重庆邮电大学光电工程学院	1	0	0.0	0.0