CNNで音声認識聞いてきた！

８月１２日

TensorFlow実装で学ぶ音声認識の基礎と簡易ハンズオンセミナー
https://ml-for-experts.connpass.com/event/142332/

を聞いてきたのでメモ

---

Simple Audio Recognition
　音声認識
　　https://lib-arts.hatenablog.com/entry/implement_dl6
　12クラスのカテゴリ分類
　Small-footprint Keyword Spottingに対するCNN

ほかにRNNやdilated convolution

※混同行列（Confusion Matrix）：対角成分がただしい

論文の読み方
１．Absrtructを読もう
２．わかんないところはその論文のコントリビューションの可能性大
　　→そこがどこに書かれているか確認
３．Abstructみて、もちょっと

タスク：問題。
　　CNN
　　DNN→ここではMLP(マルチレイヤーパーセプトロン）
　　adress取り組むの意味で
　　constrains：制約条件
　　　最適化 optimization
　　　　目的関数:objective
　　　　制約条件:constrains

KWS：キーワードスポッティング
　特徴抽出→DNN→事後確率を求める
　　P(c)：事前確率
　　P（ｃ｛ｘ）：事後確率
　→どっちも足して１
　　MFCC (メル周波数ケプストラム係数)

　音素
　　フーリエ変換する
　　https://ahcweb01.naist.jp/lecture/2016/sp/material/sp-v2.pdf

動かしてみる
　https://github.com/tensorflow/tensorflow
　ダウンロードする
　解凍する
　anacondaのpyhthonのコンソール立ち上げ
　コンソールでcdして、解凍したtensorflow-masterまでいく
　python tensorflow/examples/speech_commands/train.py

ソース(train/py)
　training stepで動かしている
　session.run