xlzwhboy / vad

说话人端点检测任务

v0: 2017年暑假用于Human Activity Detection的版本，最初版。

特征为cmn后的 MFCC + delta1 + delta2
label读取采用Textgrid
通过feats_io.py存储feats和labels文件，格式为：*.idx(索引)，*.ark(数据)
卷积神经网络，网络返回值：2分类，取大者为output label

v1: 在v0的基础上添加如下修改

从segment中读取label
网络最后的输出层添加sigmoid函数，单值输出，表示该帧为语音帧的概率

v2：在v0的基础上增加大幅度的修改

通过prepare_data.py提取特征为±40帧的频谱，合并保存为*.npy文件。
卷积神经网络，只保留需要的模型，其他删除。网络返回值：2分类。
网络存在待优化问题，本Version需要改进，如果表现不如v1可以考虑删除

v3：基于SCD任务的LSTM版本更改

修改标签计算和网络模型