关键词 spotting 网络在噪声条件下的表现
音频与语音处理
2021-09-17 v1 机器学习
摘要
随着人工智能和智能设备的发展，关键词 spotting(KWS)正成为一种普遍需求。该领域近期的工作聚焦于若干不同架构，以在低至中等噪声的数据集上取得良好结果。然而，如我们的实验所示，这些模型在高噪声条件下的性能会退化。在本文中，我们给出了最先进KWS网络在各种噪声条件下的广泛比较。我们还提出自适应批归一化作为一种技术，以在训练阶段噪声文件未知时改善网络性能。此类高噪声表征的结果有助于未来开发在上述条件下表现更好的模型。
关键词
引用
@article{arxiv.2109.07930,
title = {Behavior of Keyword Spotting Networks Under Noisy Conditions},
author = {Anwesh Mohanty and Adrian Frischknecht and Christoph Gerum and Oliver Bringmann},
journal= {arXiv preprint arXiv:2109.07930},
year = {2021}
}
备注
11 pages, 5 figures, Published in Lecture Notes in Computer Science book series (LNCS, volume 12891)