《表7 不同测谎方法的识别精度与单条语音识别时间对比》
从表7中可以看出,本文算法的单条语音识别时间比其他方法相对来说要长一些,这主要是因为本文算法使用的融合特征具有更大的数据量,以及将Mel谱逐帧输入LSTM时的计算量也更大,但增加的幅度也仅为几毫秒到几十毫秒之间,人体感官几乎难以察觉,与此同时,本文算法的识别准确率却提升明显。在CSC库上:本文算法的WA相较于其他算法最低提升了2.05个百分点,最高提升了5.56个百分点;UA相较于其他算法最低提升了2.53个百分点,最高提升了9.36个百分点。在Killer库上:本文算法的WA相较于其他算法最低提升了4.02个百分点,最高提升了7.22个百分点;UA相较于其他算法最低提升了3.79个百分点,最高提升了9.67个百分点,识别结果显著优于其他算法,进一步验证了本文所提算法的先进性。
图表编号 | XD00133811600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.10 |
作者 | 傅洪亮、雷沛之 |
绘制单位 | 河南工业大学信息科学与工程学院、河南工业大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |