CRUSE: Convolutional Recurrent Unit如何应用于图像识别？

本文共计1307个文字，预计阅读时间需要6分钟。

CRUSE：卷积循环U-net语音增强，本文介绍的是向高效实时深度噪声抑制模型迈进的研究，作者为微软研究院的Sebastian Braun等。相关工作的上下文可参考以下论文。

CRUSE: Convolutional Recurrent U-net for Speech Enhancement

本文是关于TOWARDS EFFICIENT MODELS FOR REAL-TIME DEEP NOISE SUPPRESSION的介绍，作者是Microsoft Research的Sebastian Braun等。相关工作的上下文可以参看博文

概述

本文设计的是基于深度学习的语音增强模型，工作的贡献点有二：

• 基于深度学习语音增强模型在实录数据的性能
• 一套用于语音增强的数据增强方法
• 模型计算复杂度和语音质量（主要是MOS）的折衷的消融实验结果

动机

• 本文要解决的核心问题是：目前语音增强模型普遍为了获得更好的性能，不断增加模型的计算量。