面向低资源说话人验证的动态核与通道注意力
声音
2023-02-28 v2 计算与语言
音频与语音处理
摘要
最先进的说话人验证框架通常侧重于开发层数更深、通道数更宽的模型以提升验证性能。与之不同，本文提出一种方法，在卷积神经网络中利用基于注意力的动态核来提高模型分辨率能力，使模型参数适应特征条件。核上的注意力权重进一步经通道注意力与多层特征聚合进行提炼，以从语音中学习全局特征。该方法以较低数据资源提升表征能力，提供了一种高效方案。这源于模型参数结构对输入的自适应。所提动态卷积模型在 VoxCeleb1 测试集上取得了 1.62\% EER 与 0.18 miniDCF，在相同训练资源下相较 ECAPA-TDNN 有 17\% 的相对提升。
引用
@article{arxiv.2211.02000,
title = {Dynamic Kernels and Channel Attention for Low Resource Speaker Verification},
author = {Anna Ollerenshaw and Md Asif Jalal and Thomas Hain},
journal= {arXiv preprint arXiv:2211.02000},
year = {2023}
}