用于说话人确认的自适应边界圆损失

基于深度神经网络 (DNN) 的说话人确认系统采用带边界惩罚的角 softmax 损失来增强说话人嵌入的类内紧凑性，取得了显著性能。本文提出一种称为自适应边界圆损失的新型角损失函数用于说话人确认。采用基于阶段的边界与基于块的边界来提升圆损失在训练集上的角度判别力。梯度分析表明，与先前如加性边界 Softmax (Am-Softmax) 等角损失相比，圆损失具有灵活的优化性与确定的收敛状态。实验在 Voxceleb 与 SITW 上进行。应用自适应边界圆损失后，我们的最佳系统在 Voxceleb1 上取得 1.31% EER，在 SITW core-core 上取得 2.13%。