Dr-Vectors：决策残差网络与一种改进的损失函数用于说话人识别
计算与语言
2022-03-14 v3 机器学习
摘要
许多神经网络说话人识别系统使用固定维嵌入向量建模每个说话人。这些嵌入通常使用线性或二阶打分进行比较，且直到最近都未处理话语级不确定性。本工作中，我们提出以能捕捉不确定性、注册/测试不对称及额外非线性信息的方式对这些表示打分。这是通过将二阶神经网络（称为决策网络）作为端到端训练机制的一部分来实现的。具体地，我们提出决策残差网络的概念，即使用紧凑决策网络来利用余弦分数并建模所需的残差信号。此外，我们提出对广义端到端 softmax 损失函数的改进，以针对同/异说话人分数分离。我们观察到两种技术带来的显著性能提升。
引用
@article{arxiv.2104.01989,
title = {Dr-Vectors: Decision Residual Networks and an Improved Loss for Speaker Recognition},
author = {Jason Pelecanos and Quan Wang and Ignacio Lopez Moreno},
journal= {arXiv preprint arXiv:2104.01989},
year = {2022}
}
备注
Interspeech 2021