跳至主導覽
跳至搜尋
跳過主要內容
國立陽明交通大學研發優勢分析平台 首頁
English
中文
在 國立陽明交通大學研發優勢分析平台 搜尋內容
首頁
人員
單位
研究成果
計畫
獎項
活動
貴重儀器
影響
Audio-Visual Speech Enhancement Using Multimodal Deep Convolutional Neural Networks
Jen Cheng Hou
, Syu Siang Wang
,
Ying Hui Lai
, Yu Tsao
*
, Hsiu Wen Chang
, Hsin Min Wang
*
此作品的通信作者
生物醫學工程學系
研究成果
:
Article
›
同行評審
247
引文 斯高帕斯(Scopus)
總覽
指紋
指紋
深入研究「Audio-Visual Speech Enhancement Using Multimodal Deep Convolutional Neural Networks」主題。共同形成了獨特的指紋。
排序方式
重量
按字母排序
Keyphrases
Speech Enhancement
100%
Deep Convolutional Neural Network (deep CNN)
100%
Single-channel Speech Enhancement
100%
Audio
62%
Convolutional Neural Network
37%
Enhancement Model
37%
Visual Information
25%
Output Layer
25%
Enhanced Speech
25%
Audio Information
25%
Neural Network
12%
Superior Performance
12%
Network Model
12%
Noise Reduction
12%
Reconstructed Image
12%
Audio Stream
12%
Speech Signal
12%
Audio Signal
12%
Encoder-decoder
12%
Audio Data
12%
Backpropagation
12%
Video Encoder
12%
Enhancement Process
12%
Enhancement Approaches
12%
Joint Network
12%
Visual Data
12%
Unified Network
12%
Multi-task Learning Framework
12%
Visual Signals
12%
Multimodal Learning
12%
Audio-only
12%
Visual Stream
12%
Computer Science
Speech Enhancement
100%
Deep Convolutional Neural Networks
100%
Convolutional Neural Network
60%
Visual Informations
20%
Superior Performance
10%
Learning Framework
10%
Reconstructed Image
10%
Multitask Learning
10%
Secondary Task
10%
Multimodal Learning
10%