幀語境識別的上下文窗口

Question

在很多語音識別論文中，我看到這個術語「幀的上下文窗口」。我不確定這一點，但看起來好像你從一個話語中取出一個幀x，並且將這個幀連接到5個先前幀和5個未來幀。這個上下文窗口的標籤是中心框架。我對嗎？

謝謝

（順便說一下5號只是一個例子）

Answer 1

是的，這個詞得到普及與應用程序深層神經網絡（DNN）的自動語音識別開始。例如，「11幀聲音上下文窗口」意味着將5個前一幀和5個未來幀的特徵向量連接到當前幀的向量。但標籤仍然是中心框架的標籤。使用上下文窗口改進了DNN模型的性能，但是以前沒有使用HMM（隱馬爾科夫模型）。

請參閱this文章以獲取更多信息。