問題タブ [htk]

Sphinx-4 と HTK モデルを組み合わせてオンライン手書き認識システムを構築しました。HTK独自のデコードシステムを使用した場合の認識率は89%です。ただし、同じ HTK モデルの Sphinx-4 システムでは、50% をわずかに超えています。

これは正常ですか？HTK モデルで Sphinx-4 の精度を改善する余地はありますか?

ありがとう

追加情報：

LatticeDemo の例を使用して Sphinx-4 システムを構築し、[ http://nshmyrev.blogspot.com.tr/2009/09/using-htk-models-in-sphinx4.html]の手順に従いました。HTK システムの構成ファイルは次のようなものです。

Sphinx-4 の config.xml は次のとおりです。

HTK Tools が手書き認識でどのように機能するかを研究しています。ICFHR–2010 TUTORIALに従って、「Spanish-Numbers」コーパスの例を実行し、結果の HMM (フォルダー hmm に保存され、 にリストされているファイルHMMsList) をres32.mlf受け取り、認識結果を で受け取りましたHVite。また、マスター ラベル ファイル SamplesRef.mlf もあります。HResultsそして今、私は認識結果の統計、つまり学習ツールを見たいと思っています。

私が実行するHResultsとき

そうですか

しかし、-p混同行列を作成するためにオプションを追加すると、次のエラー メッセージが表示されます。

このメッセージは、「millones」という名前の HMM が存在しないことを意味していることを理解しており、私のres32.mlfサンプルでは次のようになっていることがわかりました。

res32.mlfテキストエディタでres33.mlf次のようなコンテンツに変更すると:

... 等々。

そして、内部が次のようになっているsamples.mlf(の代わりに) を使用します。SamplesRef.mlf

... 等々。

私は望ましい結果を持っています：

したがって、主な質問は次のとおりです。

混同行列の作成に適したmlfファイルを作成する最も簡単な方法(テキストエディタなし)は何ですか?

(私はいくつかの HTK ツールのいくつかのオプションを見逃していると思います…しかし、どのツールとどのオプションが?)

有用なアイデアは高く評価されます。

私は最近、HTK (HMM ツール キット) を使用したサウンド検出プロジェクトを作成しています。テスト後、次の結果ファイルを取得します。

公式ドキュメントではタイムスタンプの単位は100nsとありますので、この結果では0sから4.7sの間で「鍵盤」の音がするということになります。しかし奇妙なことに、テスト用のサウンド ファイルには 1.9 しかありません。詳細情報は次のとおりです。

さらに、HVite を実行すると、次の警告が表示されます。

多分これは私の問題に関係していますか？

タイムスタンプが非常に大きい理由を知っている人はいますか? とにかくありがとう！

gcc 3.4コンパイラを使用して、64ビットUbuntuにHTS-2.2とHTK-3.4.1をインストールしました。その後、HInit や HCopy などを入力するとうまくいったようです。それで、HTKDemo がどのように機能するのか疑問に思いました。

デモを実行すると、HTK が問題を引き起こしました。

プロトS、V、N、Cも同様。

本当の理由と直し方が知りたいです。どうも！