阿尔托大学用于 INTERSPEECH 2020 计算副语言学挑战赛的端到端 DNN 系统
音频与语音处理
2020-08-07 v1 机器学习
声音
摘要
端到端神经网络模型（E2E）在不同的 INTERSPEECH ComParE 任务上已展现出显著的性能优势。先前工作要么对单个任务应用单一 E2E 模型实例，要么对不同任务使用相同 E2E 架构。然而，应用单一模型不稳定，或使用相同架构则未充分利用任务特定信息。在 ComParE 2020 任务上，我们研究应用 E2E 模型集成以获得鲁棒性能，并为每个任务开发任务特定的改进。ComParE 2020 引入了三个子挑战：呼吸子挑战用于预测患者说话时所佩戴呼吸带输出，老年子挑战用于估计老年说话者的唤醒与效价水平，以及口罩子挑战用于分类说话者是否佩戴口罩。在每个任务上，集成均优于单一 E2E 模型。在呼吸子挑战中，我们研究了多损失策略对任务性能的影响。在老年子挑战中，预测效价与唤醒水平促使我们探究多任务训练并实施数据采样策略以处理类别不平衡。在口罩子挑战中，不使用特征工程的 E2E 系统与特征工程基线具有竞争力，且与特征工程基线结合时带来显著增益。
引用
@article{arxiv.2008.02689,
title = {Aalto's End-to-End DNN systems for the INTERSPEECH 2020 Computational Paralinguistics Challenge},
author = {Tamás Grósz and Mittul Singh and Sudarsana Reddy Kadiri and Hemant Kathania and Mikko Kurimo},
journal= {arXiv preprint arXiv:2008.02689},
year = {2020}
}