基于低秩矩阵分解与量化训练的声音事件检测模型压缩
音频与语音处理
2019-05-03 v1 计算与语言
声音
摘要
在本文中，我们提出一种基于低秩矩阵分解与量化训练相结合的压缩方法，以降低基于神经网络的声音事件检测（AED）模型的复杂度。我们的实验结果表明该组合压缩方法非常有效。对于一个三层长短期记忆（LSTM）为基础的 AED 模型，原始模型大小可被压缩至 1%，且精度损失可忽略。我们的方法使得在资源受限应用中部署 AED 成为可能。
引用
@article{arxiv.1905.00855,
title = {Compression of Acoustic Event Detection Models with Low-rank Matrix Factorization and Quantization Training},
author = {Bowen Shi and Ming Sun and Chieh-Chi Kao and Viktor Rozgic and Spyros Matsoukas and Chao Wang},
journal= {arXiv preprint arXiv:1905.00855},
year = {2019}
}
备注
NeuralPS 2018 CDNNRIA workshop