BD7PPD-xiaohei-lv 為什麼需要大型模型呢？根據我與合作過的視覺領域朋友的經驗... 簡單場景下，傳統演算法也能很好地運作。 如果輸入資料複雜，傳統演算法難以處理前後關係以及干擾。 那麼，在前端使用一個簡單的網路神經網絡作為濾波器，效果很好。 使用大型模型對 CW 的應用，讓它根據局部音訊，推測可能受到干擾的部分所包含的資訊，或許更能符合其專業。
BD4SUR 我曾嘗試過一些簡單的方法： https://www.bilibili.com/video/BV1Hv411p7Ch/ 這個問題相對簡單，傳統的訊號處理方法已經足夠應付。 當然，雖然大型模型或許可行，但成本可能過高。
BD4SUR BD4SUR 此外，這裡有一個未完成的產品，對感興趣的Ham可以拿來研究。 https://bd4sur.com/html/cw-morse-decoder.html 如果有所進展，歡迎分享 (●'◡'●)
BD7PPD-xiaohei-lv BG4TRF 與 RTTY 沒有什麼區別，差不多。 與 FT8 的區別是什麼？是雙方之間，還是有第三方介入？ 以我為例，目前我還在學習 CW（無線電碼），對於 FT8 的自動化操作覺得沒有意義。 RTTY 很少有人玩 SSB，我的 QRP 功率不足。 所以我一直在尋找能幫我翻譯 CW 的東西。 請先說明，我並非故意偷懶，我只是不想使用當時不時斷續且不均勻的拍攝頻率來打擾各位。
Shiro 基於聲音： https://github.com/ag1le/deepmorse-decoder 基於音譜圖： https://github.com/MaorAssayag/morse-deep-learning-detect-and-decode 語音會因為各種差異和環境噪音而有所不同，因此難以收集數據。將語音轉換為聲譜圖則更有效。 我也找到了這個資料集，如果對它感興趣，不妨試試看。 https://github.com/souryadey/morse-dataset
SuoYuC Shiro 「正頭痛」這個資料集，能不能按時清洗乾淨呢？ 另外，也請把資料集送到門口。 這個第二個連結，還是基於 CRNN 的改進型，國內有現成的，感覺效果普普通凡。可以在《電子資訊學報》上找到相關的文獻來看。
BG4TRF [未知用户] 如果使用軟體，就失去了最核心的操作樂趣，例如比賽、DX、以及數十個訊號同時出現，讓你無法及時觀察。手工收發才是樂趣，依賴電腦輔助，你的操作能力不會有任何提高的機會，日常還需要使用Morserunner。例如外出時，我可以帶一本筆記本和電鍵，也可以只帶一台電腦，哪個更方便呢？
闽ICP备2021006864号-7
闽公网安备35020602002794号
互联网举报中心