來源：Coursera吳恩達深度學習課程
隨著語音識別的發展，越來越多的設備可以通過你的聲音來喚醒，這有時被叫做觸發字檢測系統（rigger word detection systems），我們來看一看如何建立一個觸發字系統，
觸發字系統的例子包括Amazon echo，它通過單詞Alexa喚醒；還有百度DuerOS設備，通過"小度你好"來喚醒；蘋果的Siri用Hey Siri來喚醒；Google Home使用Okay Google來喚醒，這就是觸發字檢測系統，假如你在臥室中，有一臺Amazon echo，你可以在臥室中簡單說一句: Alexa, 現在幾點了?就能喚醒這個設備，它將會被單詞"Alexa"喚醒，并回答你的詢問，Andrew想教會我們如何構建一個觸發字檢測系統，
如上圖所示，現在有一個這樣的RNN結構，我們要做的就是把一個音頻片段（an audio clip）計算出它的聲譜圖特征（spectrogram features）得到特征向量x^<1>, x^<2>, x^<3>...，然后把它放到RNN中，最后定義我們的目標標簽y，假如音頻片段中的這一點是某人剛剛說完一個觸發字，比如"Alexa"，或者"小度你好" 或者"Okay Google"，那么在這一點之前，你就可以在訓練集中把目標標簽都設為0，然后在這個點之后把目標標簽設為1，假如在一段時間之后，觸發字又被說了一次，比如是在這個點說的，那么就可以再次在這個點之后把目標標簽設為1，這樣的標簽方案對于RNN來說是可行的，并且確實運行得非常不錯，不過該演算法一個明顯的缺點就是它構建了一個很不平衡的訓練集（a very imbalanced training set），0的數量比1多太多了，
還有一個解決方法，雖然聽起來有點簡單粗暴，但確實能使其變得更容易訓練，如上圖所示，比起只在一個時間步上去輸出1，其實你可以在輸出變回0之前，多次輸出1，或說在固定的一段時間內輸出多個1，這樣就稍微提高了1與0的比例，在音頻片段中，觸發字剛被說完之后，就把多個目標標簽設為1，這里觸發字又被說了一次，說完以后，又讓RNN去輸出1，在之后的編程練習中，你可以進行更多這樣的操作，
Andrew：這就是觸發字檢測，希望你能對自己感到自豪，因為你已經學了這么多深度學習的內容，現在你可以只用幾分鐘時間，就能用一張幻燈片來描述觸發字能夠實作它，并讓它發揮作用，你甚至可能在你的家里用觸發字系統做一些有趣的事情，比如打開或關閉電器，或者可以改造你的電腦，使得你或者其他人可以用觸發字來操作它，
說明：記錄學習筆記，如果錯誤歡迎指正！轉載請聯系我，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/291954.html
標籤：其他
上一篇：C語言的掃雷簡化版