Пример реализации HMM

Вот потихоньку пишу свою библиотечку. Появилось нечто, которое уже и показать не стыдно. Это нечто лежит на http://ifolder.ru/7012128. Кратко опишу, что из себя представляет проект.

А представляет он пока реализацию дискретной неэргодической HMM. HMM может сохранятся в файл формата xml, ну и загружаться оттуда естественно. Немного, но уже кое-что. Вместе с проектом идет примерчик как все это использовать. В качестве обучающей и тестовой последовательностей используются текстовые файлы, содержащие номера векторов кодовой книги. Эти номера получены после векторного квантования звуковых файлов TI Digits. Код квантователя пока в божеский вид не привел, поэтому не выкладываю На тестовой последовательности при числе состояний 7 и количестве символов 16 WER равен ~0,5%, что в принципе неплохо. Для каждого слова строилась своя кодовая книга.

Вот так вот. может кому пригодится.
PS: для сборки требуется boost и VS2005. Код распространяется без каких-либо ограничений.

Добавил исходники под svn. Теперь они доступны по адресу http://speechlib.googlecode.com/svn/trunk

хм....
интересные результаты WER для дискретной модели...
не планируете писать непрерывную?

я сейчас пытаюсь - очень много подводных камней....

да непрерывная модель есть. Только ее код надо в порядок привести, а все никак руки не доходят К тому же я в настоящее время пишу классы для вычисления speech features (MFCC там всякие и т.п.).

да я хотябы на матлабе хочу чтоб заработало, там проще понять как и что протестировать и отладить..
а если начнет работать то и в Си потом портировать не долго...
ну или блоки для симулинка наваять...

а си плюсовых я вообще боюсь

Цитата jackfrost @ 16.07.08, 14:40

да я хотябы на матлабе хочу чтоб заработало, там проще понять как и что протестировать и отладить..
а если начнет работать то и в Си потом портировать не долго...

Матлаб работает раз в 30 медленнее сишной программы. Это же на пенсию выйдешь, прежде чем программа работать закончит (совсем уж тривиальные случаи не рассматриваем).

ну это смотря как написать...

а на самом деле МАТЛАБ частенько почти даже догоняет Си...

Реализованы алгоритмы построения кодовой книги K-Means и UWA

Как у вас успехи с реализацией? Вы сделали переоценку в логарифмическом масштабе?
я тоже сделал нечто аналогичное, вам удалось найти каки-нубудь простенькие базы для распознования цифр?
не поделитесь?

ну пока я пользовался для тестов базой TI-DIGITS. В принципе она доступна для скачивания в инете. Но если надо могу выложить.

Если не сложно, выложите куда-нибудь.
Как кстати успехи с цифрами?

обработанную базу (файлы переименованы и разложены по папкам) можно скачать по адресу http://ifolder.ru/8141655. Оригинальная база думаю вам не сильно нужна.

Спасибо огромное! то что нужно для тестирования алгоритмов!

вот еще ссылка на страницу рабинера, откуда можно скачать некоторые речевые базы.
http://www.caip.rutgers.edu/~lrr

Цитата phoenix367 @ 15.09.08, 17:56

обработанную базу (файлы переименованы и разложены по папкам) можно скачать по адресу http://ifolder.ru/8141655. Оригинальная база думаю вам не сильно нужна.

А зачем же вы ее так "обработали"? Зачем отрезали начало и конец у каждого файла?

Чтобы народ в заблуждение не вводить, я бы не стал эту базу tidigits называть. А то, получается что и результаты путаются. в базе TIDIGITS последовательности цифр, а не изолированные цифры:

http://www.ldc.upenn.edu/Catalog/docs/LDC93S10/readme.txt

Хотя по размеру она примерно такая-же.

Сообщение отредактировано: nsh - 16.09.08, 09:06

А, ну судя по описанию - у меня урезанная версия, где оставлены только изолированные цифры.

Это четверть от исходной базы данных да еще и "обработанная"

Так если не нравится - не пользуйтесь. В чем проблема?

Отличная база, кусок TIDIGITS видимо.
Ничего лучшего пока никто не предложил,
KoPoBuH
у вас есть полный TIDIGITS? прошу, выкладывайте...

Цитата phoenix367 @ 16.09.08, 12:30

Так если не нравится - не пользуйтесь. В чем проблема?

Моя позиция простая - если есть исходный материал и ты готов вы выложить, то раздавать нужно в исходном виде, а не огрызки. И не мешать в одну кучу женщин и мужчин. Ну конечно "в исходном" не подразумевает убогий исходный формат. Минимальное преобразование нужно сделать. Как то преобразовать в WAVE формат и пересэмплировать на стандартную частоту.

Полная база занимает 700 Мб. К сожалению я не могу ее выложить по некоторым причинам.

Сообщение отредактировано: KoPoBuH - 16.09.08, 14:05

Пытаюсь разобраться в СММ, поэтому есть некоторые вопросы, может кто-нибудь подскажет? Так и не понял матрица вероятностей переходов для СММ является заданной /как в случае открытой ММ/ или ее как раз и нужно найти через вероятности появления параметров цепи. ПС Имеющаяся литература подзапутала сознание.

Матрица переходов находится в процессе оценки параметров модели. Я же вроде выкладывал статью на эту тему. Она на русском даже.

Цитата phoenix367 @ 15.09.08, 17:56

обработанную базу (файлы переименованы и разложены по папкам) можно скачать по адресу http://ifolder.ru/8141655. Оригинальная база думаю вам не сильно нужна.

Приветствую всех! Народ, у кого есть эта база обрезанных цифр перезалейте плиз, а то эта ссылка (http://ifolder.ru/8141655) не робит уже!

Добавлено 05.12.13, 10:10

Цитата phoenix367 @ 17.06.08, 18:43

Вот потихоньку пишу свою библиотечку. Появилось нечто, которое уже и показать не стыдно. Это нечто лежит на http://ifolder.ru/7012128. Кратко опишу, что из себя представляет проект.

А представляет он пока реализацию дискретной неэргодической HMM. HMM может сохранятся в файл формата xml, ну и загружаться оттуда естественно. Немного, но уже кое-что. Вместе с проектом идет примерчик как все это использовать. В качестве обучающей и тестовой последовательностей используются текстовые файлы, содержащие номера векторов кодовой книги. Эти номера получены после векторного квантования звуковых файлов TI Digits. Код квантователя пока в божеский вид не привел, поэтому не выкладываю На тестовой последовательности при числе состояний 7 и количестве символов 16 WER равен ~0,5%, что в принципе неплохо. Для каждого слова строилась своя кодовая книга.

Вот так вот. может кому пригодится.
PS: для сборки требуется boost и VS2005. Код распространяется без каких-либо ограничений.

И это если можно тоже.!

Что не у кого нету? Или всем пофиг?

Базу с цифрами можно скачать по этой ссылке http://www.ece.ucsb.edu/Faculty/Rabiner/ece259/