扩张全卷积网络：听得更长以听得更好
声音
2022-10-13 v1 机器学习
音频与语音处理
摘要
深度神经网络方案已成为语音增强（SE）的一种新兴且强大的范式。捕获长上下文和提取多尺度模式的能力对于设计有效的SE网络至关重要。然而，这些能力通常与保持紧凑网络以确保良好系统泛化的目标相冲突。在本文中，我们探索扩张操作并将其应用于全卷积网络（FCNs）以解决此问题。扩张使网络获得大幅扩展的感知野，而不增加参数数量。本工作探索了融合多尺度扩张的不同策略，以及安装扩张模块的不同方式。使用Noisy VCTK和AzBio语句数据集，我们证明所提出的扩张模型显著优于基线FCN，并超越了最先进的SE方案。
引用
@article{arxiv.1907.11956,
title = {Dilated FCN: Listening Longer to Hear Better},
author = {Shuyu Gong and Zhewei Wang and Tao Sun and Yuanhang Zhang and Charles D. Smith and Li Xu and Jundong Liu},
journal= {arXiv preprint arXiv:1907.11956},
year = {2022}
}
备注
5 pages; will appear in WASPAA conference