面向关键词 spotting 的编码器-解码器神经架构优化
机器学习
2021-06-08 v1 多媒体
摘要
关键词 spotting 旨在识别特定的关键词语音片段。近年来，深度卷积神经网络已广泛应用于关键词 spotting 系统中。然而，其模型架构主要基于 VGG-Net 或 ResNet 等现成骨干网络，而非针对该任务专门设计。本文利用神经架构搜索来设计卷积神经网络模型，在保持可接受内存占用的同时提升关键词 spotting 的性能。具体而言，我们在特定搜索空间中通过编码器-解码器神经架构优化来搜索模型算子及其连接。在 Google 的 Speech Commands Dataset 上的大量评估表明，我们的方法搜索得到的模型架构达到了超过 97% 的 state-of-the-art 准确率。
引用
@article{arxiv.2106.02738,
title = {Encoder-Decoder Neural Architecture Optimization for Keyword Spotting},
author = {Tong Mo and Bang Liu},
journal= {arXiv preprint arXiv:2106.02738},
year = {2021}
}
备注
Accepted for Interspeech2021