DTLN网络模型学习

论文题目：Dual-Signal Transformation LSTM Network for Real-Time Noise Suppression

用于实时噪声抑制的双信号转换 LSTM 网络

论文地址：https://arxiv.org/abs/2005.07551

本文提出的模型级联两个分离核，第一个具有 STFT 信号变换，使用第一个内核创建稳健的幅度估计，并使第二个内核能够进一步增强具有相位信息的信号。

图1：模型架构

本文介绍的堆叠双信号变换 LSTM 网络架构有两个分离核心，包含两个 LSTM 层，后跟一个全连接 (FC) 层和一个 sigmoid 激活以创建掩码输出。第一个分离核心使用STFT分析和综合基地。由 FC 层和 sigmoid 激活预测的掩码乘以混合的幅度，并使用输入混合的相位转换回时域，但不重建波形。来自第一个网络的帧由 1D-Conv 层处理以创建特征表示。特征表示在被馈送到第二个分离核心之前由归一化层处理。第二个核心的预测掩码与特征表示的非标准化版本相乘。结果用作 1D-Conv 层的输入，用于将估计表示转换回时域。在最后一步中，通过重叠和相加过程重建信号。该架构如图 1 所示。

为了考虑模型的实时特性，使用了即时层规范化 (iLN)。即时层归一化类似于标准层归一化，并在[22]中作为逐通道层归一化引入。所有帧都单独归一化，没有随时间累积统计数据，并使用相同的可学习参数进行缩放。在目前的工作中，这种归一化方案被称为即时层归一化，以区别于累积层归一化。

DTLN网络模型学习相关推荐

卷积神经网络之ResNet网络模型学习
Deep Residual Learning for Image Recognition 微软亚洲研究院的何凯明等人论文地址 https://arxiv.org/pdf/1512.03385v1.p ...
Lanenet 车道线检测网络模型学习（论文解读+官方模型）
本文讲解的是用于车道线检测的一个网络结构叫lanenet, 转载请备注,多谢哈|! 2018.2发表出来的,文章下载地址:https://arxiv.org/abs/1802.05591 github ...
卷积神经网络之AlexNet网络模型学习
ImageNet Classification with Deep Convolutional Neural Networks 论文理解在ImageNet LSVRC-2010上首次使用大型深度卷 ...
AlexNet网络模型学习
目录 1.网络结构 2.激活函数 3.LRN局部响应归一化 4. Dropout(随机失活神经元操作) 5.模型训练 5.1模型代码 5.2训练代码 5.3预测代码 alexnet论文翻译链接:Ima ...
一文搞定深度学习建模预测全流程(Python)
作者 | 泳鱼来源 | 算法进阶本文详细地梳理及实现了深度学习模型构建及预测的全流程,代码示例基于python及神经网络库keras,通过设计一个深度神经网络模型做波士顿房价预测.主要依赖的Pyt ...
如何提升深度学习性能？数据、算法、模型一个都不能少
https://www.toutiao.com/i6635808175893250564/ 2018-12-17 12:04:48 该文来自DataCastle数据城堡(DataCastle2016) ...
干货回顾丨深度学习性能提升的诀窍
Pedro Ribeiro Simoes拍摄原文: How To Improve Deep Learning Performance 作者: Jason Brownlee 你是如何提升深度学习模型的 ...
2_初学者快速掌握主流深度学习框架Tensorflow、Keras、Pytorch学习代码（20181211）
初学者快速掌握主流深度学习框架Tensorflow.Keras.Pytorch学习代码一.TensorFlow 1.资源地址: 2.资源介绍: 3.配置环境: 4.资源目录: 二.Keras 1.资 ...
深度学习性能提升的诀窍
from: http://geek.csdn.net/news/detail/104190 原文: How To Improve Deep Learning Performance 作者: Jason ...

DTLN网络模型学习

DTLN网络模型学习相关推荐

最新文章

热门文章