沿时间轴带映射间池化的深度CNN对频谱变化的鲁棒性
计算与语言
2016-08-24 v2 机器学习
神经与进化计算
摘要
已有研究提出沿频率轴进行卷积和池化操作的卷积神经网络(CNNs)，以实现特征频率平移的不变性。然而，考虑到声学特征在频率上变化的事实，这是不恰当的。本文中，我们认为沿时间轴的卷积更为有效。我们还提出在深度CNN中增加映射间池化(IMP)层。在该层中，每组中的滤波器提取共同但频谱变化的特征，然后该层对每组的特征图进行池化。因此，所提出的IMP CNN能够实现对于不同说话者和话语特有的频谱变化的不敏感性。IMP CNN架构的有效性在多个LVCSR任务上得到验证。即使没有说话者自适应技术，该架构在Hub5'2000评测测试集的SWB部分上达到了12.7%的词错率(WER)，与其他state-of-the-art方法相比具有竞争力。
引用
@article{arxiv.1606.03207,
title = {Deep CNNs along the Time Axis with Intermap Pooling for Robustness to Spectral Variations},
author = {Hwaran Lee and Geonmin Kim and Ho-Gyeong Kim and Sang-Hoon Oh and Soo-Young Lee},
journal= {arXiv preprint arXiv:1606.03207},
year = {2016}
}
备注
Submitted to IEEE Signal Processing Letters