基于监督深度学习的语音增强损失函数综合述评
音频与语音处理
2020-09-28 v1
摘要
基于深度学习的实时语音增强近期取得了巨大进展。由于缺乏可处理的感知优化目标，围绕训练损失产生了诸多迷思，而在许多情况下，损失函数对成功的贡献并未脱离网络架构、特征或训练流程等其他因素而被单独考察。本工作中，我们针对适用于在线逐帧处理的循环神经网络架构，考察了种类广泛的谱损失函数。我们将仅幅度损失与相位感知损失、比值、相关性度量以及压缩度量联系起来。我们的结果表明，将仅幅度目标与相位感知目标结合总能带来提升，即便相位未被增强。此外，使用压缩谱值也带来显著改进。另一方面，相位敏感的改进最好通过线性域损失如平均绝对误差来实现。
引用
@article{arxiv.2009.12286,
title = {A consolidated view of loss functions for supervised deep learning-based speech enhancement},
author = {Sebastian Braun and Ivan Tashev},
journal= {arXiv preprint arXiv:2009.12286},
year = {2020}
}