用于文本无关说话人确认的带门控机制的深度神经网络嵌入
音频与语音处理
2019-04-05 v2 机器学习
声音
摘要
在本文中，我们将门控机制应用于基于 x-vector 的文本无关说话人确认的深度神经网络（DNN）训练中。首先，采用门控卷积神经网络（GCNN）对帧级嵌入层进行建模。与时延深度神经网络（TDNN）相比，GCNN 可以通过精心设计的记忆单元和门控机制获得更具表达力的帧级表示。此外，我们提出了一种新颖的门控注意力统计池化策略，其中注意力分数与输出门共享。门控注意力统计池化将门控和注意力机制结合到一个框架中；因此，我们可以在时间池化层中捕获更多有用的信息。使用 NIST SRE16 和 SRE18 评估数据集进行了实验。结果证明了 GCNN 的有效性，并表明所提出的门控注意力统计池化可以进一步提升性能。
引用
@article{arxiv.1903.12092,
title = {Deep Neural Network Embeddings with Gating Mechanisms for Text-Independent Speaker Verification},
author = {Lanhua You and Wu Guo and Lirong Dai and Jun Du},
journal= {arXiv preprint arXiv:1903.12092},
year = {2019}
}
备注
5 pages, 3 figures, submitted to INTERSPEECH 2019