基于双通路CNN的端到端语音识别研究

作者：胡黎; 黄洪全; 梁超; 宋悦阳; 陈延明

来源：传感器与微系统, 2021, 40(11): 69-83.

DOI：10.13873/J.1000-9787(2021)11-0069-04

• 卷积神经网络
• 双通路卷积神经网络
• 连接时序分类
• 语音识别

传统的浅层卷积神经网络(CNN)语音识别模型通常使用单通路网络,导致特征提取不够充分,阻碍了语音识别精度的提升。针对这个问题,提出了双通路卷积神经网络(DPCNN),通过增大网络宽度获取更加丰富的语音特征。同时级联注意力(attention)和连接时序分类(CTC),削弱了CTC中的条件独立性约束,实现了DPCNN-Attention-CTC端到端语音识别模型,提高了语音识别的速度和精度。实验结果表明:DPCNN-Attention-CTC的错误率为22.9%,对比于单通路CNN-CTC,相对错误率降低了18.8%,验证了模型的有效性。

• 单位
  广西大学