面向说话人验证的双向多尺度特征聚合
音频与语音处理
2021-04-02 v1
摘要
本文中，我们提出一种新颖的带有注意力融合模块的双向多尺度特征聚合（BMFA）网络，用于文本无关的说话人验证。骨干网络不同阶段的特图被以自底向上和自顶向下两种方式迭代地组合与精炼。此外，不同于对不同阶段的特征图进行简单拼接或逐元素相加，我们设计了一个注意力融合模块来计算融合权重。实验在NIST SRE16和VoxCeleb1数据集上进行。实验结果表明了双向聚合策略的有效性，并表明所提注意力融合模块能进一步提升性能。
引用
@article{arxiv.2104.00230,
title = {Bidirectional Multiscale Feature Aggregation for Speaker Verification},
author = {Jiajun Qi and Wu Guo and Bin Gu},
journal= {arXiv preprint arXiv:2104.00230},
year = {2021}
}