一种用于车载应用的基于多源融合的车内 KWS 系统
机器学习
2019-02-19 v2 机器学习
摘要
为了最大化检测精确率与召回率，本文提出一种用于车载应用的关键词 spotting（KWS）系统中的车内多源融合方案。车辆信息作为原始系统的新增源，由车内数据采集平台在用户驾驶时收集。训练一个深度神经网络（DNN）以提取声学特征并进行语音分类。基于从 DNN 获得的后验概率，利用包括车速与方向在内的车辆信息，从一对灵敏度值中为 KWS 系统选取合适参数。实验结果表明，采用所提多源融合方案的 KWS 系统在精确率、召回率和均方误差方面均优于无该方案的系统的性能。
引用
@article{arxiv.1902.04326,
title = {An In-Vehicle KWS System with Multi-Source Fusion for Vehicle Applications},
author = {Yue Tan and Kan Zheng and Lei Lei},
journal= {arXiv preprint arXiv:1902.04326},
year = {2019}
}