.png){kind=icon}
返回
A lightweight ECA-based DCNN approach for speech command recognition
.png){kind=icon}
PRE
AI
DOI：10.1016/j.compbiomed.2025.110984.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种改进的高效通道注意力机制与空洞卷积相结合的端到端深度CNN框架，用于识别音频并将其转换为文本形式。
• 使用标准数据集（如mini-speech commands和speech commands）来评估和检验所提方案的有效性。
• 实验分析验证了所提框架在比较传统方法时具有更高的有效性，同时降低了错误率。
• 采用标准评估指标和稳定性度量来估计所提模型的响应性能。
Keyword:
audio recognition
deep CNN
channel attention
speech-to-text
error rate reduction
期刊
IF:
6.3
论文数:
8.3K
被引数:
3.3W
机构
暂无机构信息
引用论文
.png){kind=icon}
End-to-end light-weighted deep-learning model for abnormality classification in kidney CT images
PREAI
分享收藏
Robust Multi-task Learning-based Korean POS Tagging to Overcome Word Spacing Errors基于鲁棒多任务学习的韩语词性标注，以克服单词间距错误
PREAI
分享收藏分享收藏
查看更多内容