-
题名基于改进TDNN的带噪声纹识别算法
被引量：4
- 1
-
-
作者
罗娅娅
杨乘
张旺
余萍
-
机构
贵州师范大学物理与电子科学学院
贵州省教育厅汽车电子技术特色重点实验室
贵州省射电天文数据处理重点实验室
-
出处
《现代电子技术》
2021年第12期53-58,共6页
-
基金
贵州省科技计划项目重点项目(黔科合基础[2019]1432)
国家自然科学基金项目(61662010)
+1 种基金
贵州省科技计划项目联合资金项目(黔科合LH字[2017]7347号)
贵州师范大学资助博士科研项目(GZNUD[2017]32号)。
-
文摘
针对时延神经网络算法(TDNN)在声纹识别过程中,随着神经网络深度的增加,存在梯度消失、网络退化以及在噪声环境下鲁棒性欠佳的问题,提出一种改进的时延神经网络算法(ResTDNN)。该算法首先利用残差神经网络(ResNet)的输入层能对输出层进行不断修正以减少特征信息损失的特点,在TDNN网络结构中引入了残差神经网络,直接对TDNN网络结构进行修改,使得神经网络退化现象得到缓解并提高了声纹识别系统的鲁棒性。其次,在网络结构中利用批量归一化处理来减少内部协变量的移位,进而改善了梯度消失的现象。最后通过在Aishell数据集上的实验结果表明,与TDNN算法相比,ResTDNN算法在无噪声环境下及带噪声环境下的等错误率(EER)分别相对降低15.6%和35.8%,从而验证了噪声环境下ResTDNN算法用于声纹识别的有效性。
-
关键词
声纹识别
噪声环境
时延神经网络
网络结构
残差神经网络
批量归一化
-
Keywords
voiceprint recognition
noise environment
time delayed neural network
network structure
residual neural network
batch normalization
-
分类号
TN912-34
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名双通道特征提取的胶质瘤分割方法
- 2
-
-
作者
丁冬冬
陈世国
杜进楷
杨乘
石平霞
-
机构
贵州师范大学物理与电子科学学院
贵州省教育厅汽车电子技术特色重点实验室
贵州省射电天文数据处理重点实验室
-
出处
《现代电子技术》
2021年第9期33-37,共5页
-
基金
国家自然科学基金(61662010)
贵州省科学技术基金(黔科合J字[2010]2145号)
+1 种基金
贵州省科技计划项目重点项目(黔科合基础[2019]1432)
贵州省科技计划项目联合资金项目(黔科合LH字[2017]7347号)。
-
文摘
为提高胶质瘤分割精度,提出一种基于U⁃net的双通道特征提取(DPFE⁃Unet)的胶质瘤分割2D网络结构。DPFE⁃Unet在编码阶段采用双通道特征提取的方法进行特征提取,在解码阶段对拼接后的特征向量进行跨通道特征融合;使用批归一化处理对网络进行正则化,提高网络泛化能力并加快网络收敛速度。对整体肿瘤区域、肿瘤核心区域和增强肿瘤区域进行分割,分别得到平均Dice系数(向量的相似性系数)为89.7%,77.1%和71.8%,与U⁃net网络相比,对应系数分别提升9.7%,14.3%和7.8%。实验结果表明,所提方法有效提升了胶质瘤分割精确度。
-
关键词
特征提取
神经胶质瘤
U⁃net
图像分割
深度学习
Dice系数
双通道
批归一化
特征融合
卷积
-
Keywords
feature extraction
glioma
U⁃net
image segmentation
deep learning
Dice coefficient
dual path
batch normalization
feature fusion
convolution
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
