基于HTK的连续语音识别系统及其在TIMIT上的实验

介绍一个连续语音识别系统的构成以及HTK工具的使用,然后尝试利用该工具搭建一个连续语音识别系统,使用该系统在一个非特定人的大词汇量连续语音数据库——TIMIT上进行实验,讨论如何选择不同的声学单元进行建模,并且对模型的参数进行一系列的改进。

基于表面高度和不确定性的单目3D物体检测

单目3D (three-dimensional)物体检测是自动驾驶和机器人导航中的一项基础但具有挑战性的任务.直接从单张图片预测深度本质上是一个不适定的问题.几何投影是一种强大的深度估计方法,它从物体的物理高度和图像平面中的投影高度推断物体的深度.然而,高度估计错误将会放大深度估计的误差.研究了预测物体表面点的物理高度和投影高度,而不是物体本身的高度,由此可获得一系列深度候选值;还研究了估计高度的不确定性,并根据不确定性来组合这些深度候选值,以获得最终的目标深度.实验证明了此深度估计方法的有效性,且该方法在KITTI数据集的单目3D目标检测任务上达到了SOTA (state-ofthe-art)结果.

深浅双路径卷积神经网络

受限于嵌入式设备和移动设备的内存和计算能力,深度卷积神经网络(CNN)的部署因较大的参数量和较慢的推理速度受到阻碍,因此轻量化网络研究越来越受到关注。基于ResNet-50构建一个带浅层和深层的双路径架构(SDDP),可以通过调整两个路径的通道维度比例实现模型的压缩。此外,还提出一个特征分离模块,基于通道注意力将特征图分为两组,一组进入深路径,另一组进入浅路径,精确的分组可以让特征提取更加高效。该网络架构在ImageNet数据集上超越了当前最好的剪枝方法和轻量化设计模型。

基于视觉显著性的信封地址块定位方法

贴条信封具有背景复杂、贴条地址块不固定等特点,传统的基于规则的地址块定位方法难以准确识别信封的背景和目标地址块。针对该问题,提出一种基于视觉显著性的贴条信函地址块定位方法。采用二值化归一梯度方法快速检测出图像中与训练地址块具有相似局部显著性分布的块状区域,作为候选区域,抽取候选区域的位置、灰度、梯度、纹理等基于外观的特征,使用协方差进行非线性融合,生成区域协方差描述子,利用支持向量机实现训练和分类。为了精确定位地址块区域中的文字,用图像签名技术计算稀疏显著性并通过高斯滤波器进行平滑。实验结果表明,该方法能快速准确定位目标地址块,平均准确率达到85.8%,比基于条件随机场的地址块定位方法高33.5%。

基于高分辨率卷积神经网络的场景文本检测模型

卷积神经网络中常用的降采样在增大感受野的同时,减小了特征图的空间分辨率,导致大尺度文本在网络高层特征图中边界模糊,小尺度文本直接丢失。针对这种情况,设计一个主干网络,使其高层特征图具有较高的空间分辨率,用以提高模型对大尺度文本的定位能力和小尺度文本的分类能力,减少对背景误检的情况,从而提高检测的召回率和准确率。实验结果表明,采用该主干网络可以有效提升模型对多尺度文本的检测能力,F值在ICDAR2015数据集上达到81.89%。

一种新的液滴尺寸测量系统的研制

叙述了一种简便、实用、准确度高的新型测量液滴尺寸系统，借助高速摄影技术对该取样仪器的取样时间范围进行了拍摄标定，在不同快门开度、气流速度和液滴尺寸条件下进行了该仪器收集效率的理论计算，根据这些计算结果和液滴热力学和静力学理论分析和实验研究结果，该仪器的最佳测量范围为１０μｍ～１０００μｎ，液滴图象自动分析系统采用了ＣＣＤ视频技术和计算机图象处理技术。