échelles du compilateur de finition Lin
Qubit produit | Numéro public QbitAI
Mot Spotting (mot-clé Spotting, KWS) est un sous-domaine de la reconnaissance vocale, jouent un rôle important dans l'interaction vocale utilisateur sur le périphérique intelligent.
Mots-clés pipeline Spotting
Récemment, ARM et de l'Université de Stanford pour ouvrir un modèle de tensorflow pré-formation et leur code d'identification de mot-clé de la voix, et les résultats publiés dans le journal Bonjour bord: Mot-clé sur Spotting Microcontrôleurs dans.
La bibliothèque de modèle open source contient des scripts tensorflow et de formation utilisés dans le document.
Dans le document, les chercheurs ont également montré différentes architectures de réseaux de neurones, comprend DNN, CNN, base LSTM, LSTM, GRU, CRNN et DS-CNN, et ajouter ces schémas pour modèle pré-formation.
modèle de pré-formation Adresse:
https://github.com/ARM-software/ML-KWS-for-MCU/tree/master/Pretrained_models
abstrait
Dans l'étude, les chercheurs ont évalué l'architecture de réseau de neurones, et exécuter KWS sur le microcontrôleur disposant de ressources limitées. Ils ont formé une variété de variante d'architecture de réseau de neurones, et comparer la précision et le stockage variable / calcul des besoins entre le corps.
La précision du modèle de réseau de neurones
Les chercheurs ont constaté que, sans perte de précision, optimiser ces architectures de réseaux de neurones de stockage viable microcontrôleur de calcul de ressources limitées.
Les chercheurs ont exploré plus l'architecture DS-CNN et d'autres architectures de réseaux de neurones ont été comparés.
Les résultats ont démontré que la plus haute précision l'architecture DS-CNN, 95,4%, que le paramètre similaire de précision du modèle super DNN d'environ 10%.
Super recherche paramétrique du meilleur réseau de neurones
informations connexes
Télécharger le papier:
https://arxiv.org/pdf/1711.07128.pdf
Code du projet Adresse:
https://github.com/ARM-software/ML-KWS-for-MCU
- FIN -
recrutement sincère
Qubits recrutent éditeur / journaliste, basé à Zhongguancun de Beijing. Nous attendons de talent, des étudiants enthousiastes de nous rejoindre! Détails, s'il vous plaît interface de dialogue qubit numéro public (QbitAI), réponse mot "recrutement".
Qubit QbitAI · manchettes sur la signature de
' « suivre les nouvelles technologies AI dynamiques et de produits