转自：https://www.zhihu.com/question/19617900第一阵营：科大讯飞，腾讯，百度第二阵营：苏州思必驰，捷通华声，云知声等等第三阵营：很多小公司，背靠其他学术或技术团队科大讯飞是大哥大，无论是技术还是市场占有。腾讯技术上非常强。百度团队实力很强，潜力很大。第一阵营的识别率和团队的技术实力都是最强的。苏州思必驰在技术上也

转自：https://www.leiphone.com/news/201610/BSlh3Kf6wcqNCRH9.html雷锋网按：本文作者陈孝良，工学博士，声智科技创始人。雷锋网(公众号：雷锋网)独家文章。亚马逊Echo和谷歌Home争奇斗艳，除了云端服务，他们在硬件上到底有哪些差异？我们先将Echo和Home两款音箱拆开来看，区别最大的还是麦克风阵列技术。Amazon Ec

以下转自：http://blog.csdn.net/whaoxysh/article/details/19402337“ 鸡尾酒会问题”（cocktail party problem）是在计算机语音识别领域的一个问题。当前语音识别技术已经可以以较高精度识别一个人所讲的话，但是当说话的人数为两人或者多人时，语音识别率就会极大的降低，这一难题被称为鸡尾酒会问题。解决方案  斯坦福大学的Andrew N

转自：https://www.zhihu.com/question/48537863远场（far-field）语音识别的主流技术有哪些？以amazon echo为首的一批智能硬件正在崛起，这些硬件实现语音识别功能时面临的一个挑战性的问题就是如何降低远场麦克风造成的噪音（noise）、回声（reverberation）和自回声（echo），希望有大牛来介绍一下这个领域

转自：https://zhuanlan.zhihu.com/p/53264756大家好！又到了每周一狗熊会的深度学习时间了。在上一讲中，小编给大家介绍了经典的 seq2seq，以及著名的注意力模型，并且小编在这些理论的基础上给出一个基于seq2seq和注意力模型的机器翻译实例。本讲小编将和大家继续将目光放宽，对广义的自然语言处理应用领域之一的语音识别进行一次简单而又相对完整技术综述。1概述自动语音

转自：http://blog.csdn.net/acs713/article/details/7777946Gstreamer解决什么问题？—上层接口和应用方式的相对稳定与底层接口、平台环境的多样化。例如：codec不同种类不同实现，音视频处理不同，硬件输入、输出、采集播放不同，芯片不同，操作系统不同。—通用组件不灵活与需求的多变。色彩空间转换、缩放、编解码等组件功能是

Servicemanager需要先启动，zygote后面的service需要用到servicemanager的服务。

转自：https://blog.csdn.net/qq_38906523/article/details/80210527补充：（1）、Guide To Multi-Class Multi-Label Classification With Neural Networks In Python（2）、多标签分类（multilabel classification ）1、使用caffe训练一...

转自：https://blog.csdn.net/zhuhaodonglei/article/details/1000141781、Tensor维度变换1）Flatten作用：将输入tensor中从start_axis维度到end_axis维度合并为1维2）Reshape作用：将输入Tensor描述转换为新的shape3）FreespaceExtract作用：将h维变成1，其他维度不变，从而完成对

转自：https://blog.csdn.net/zhuhaodonglei/article/details/1000138021、起始输入Data：输入数据第一层2、激活算子作用：引入非线性（通常需要区分的区域，直线是无法完全区分的）1）Relu公式：ReLU(x)=max(0,x)2）LeakyRelu公式：LeakyRelu(x) = (x >= 0 ? x : x*negative_