用于直接将特征提取值feature分类的音频神经网络分类器的方法
发布时间
阅读量：
阅读量
完成训练过程后，将获得可供使用的神经网络模型，但这仅仅是整个流程的初始阶段。更为关键的是如何实际应用该模型，使其真正发挥作用。通过深度学习训练得到的神经网络模型，具备理解并识别未曾在训练数据集中出现的内容的能力，例如一段全新的语音信息，模型能够对其进行有效识别。此后所涉及的环节均属于模型的应用范畴。本文以音频识别模型作为具体案例进行说明。
对于某段音频信号，在完成特征值提取操作并获取对应的特征数据后，即可采用如下代码实现识别功能。其中最关键的部分在于feature数组与run_classifier()这一用于特征分类的核心函数接口之间的配合使用。
static const float features[] = {
-19, -17, -16, -15, -14, -7, -8, -8, -6, -5, -4, -2, -1, -2, -3, 0, 2, 0, 3, 3, 1, -2, -1, 1, -3, -5, -5, -4, -10, -8, -10, -14, -10, -13, -14, -12, -13, -15, -17, -11, -12, -15, -12, -8, -10, -6, -7, 0, -7, -6, -1, 0, 0, 2, 1, 1, 0, 6, 3, 5, 3, 5, 8, 7, 12, 9, 8, 9, 11, 1全部评论 (0)
还没有任何评论哟~