一种用于小内存占用关键词 spotting 的带注意力可分离时序卷积神经网络
声音
2021-09-02 v1 音频与语音处理
摘要
移动设备上的关键词 spotting (KWS) 通常要求较小的内存占用。然而，当前多数模型仍维持大量参数以确保良好性能。为解决此问题，本文提出一种带注意力的可分离时序卷积神经网络，其参数量小。通过时序卷积与注意力机制结合，以少量参数(32.2K)实现了模型，同时保持高性能。所提模型在 Google Speech Commands 数据集上达到 95.7% 准确率，接近于当前 KWS 最优模型 Res15(239K) 的性能。
引用
@article{arxiv.2109.00260,
title = {A Separable Temporal Convolution Neural Network with Attention for Small-Footprint Keyword Spotting},
author = {Shenghua Hu and Jing Wang and Yujun Wang and Lidong Yang and Wenjing Yang},
journal= {arXiv preprint arXiv:2109.00260},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2108.12146