评估与改进语音指令识别模型对噪声和分布迁移的鲁棒性
机器学习
2025-08-01 v1
摘要
尽管计算机视觉领域的先前研究表明了分布内 (in-distribution, ID) 与分布外 (out-of-distribution, OOD) 准确率之间的强相关性，但在基于音频的模型中，这种关系仍未得到充分探索。本研究 investigates 了在 OOD 条件下，口头关键词分类器的鲁棒性和泛化能力如何受到训练条件和输入特征的影响。我们对比评估了多种神经网络架构在各种评估集合上的表现。为量化噪声对泛化能力的影响，我们采用两种指标：公平性 (Fairness, F)，衡量相对于基线模型的整体准确率提升；鲁棒性 (Robustness, R)，评估 ID 与 OOD 性能之间的收敛程度。我们的结果表明，噪声感知训练在某些配置下能够提高鲁棒性。这些发现为 speech 模型中基于噪声的数据增强的优势与局限性提供了新的见解。
引用
@article{arxiv.2507.23128,
title = {Evaluating and Improving the Robustness of Speech Command Recognition Models to Noise and Distribution Shifts},
author = {Anaïs Baranger and Lucas Maison},
journal= {arXiv preprint arXiv:2507.23128},
year = {2025}
}
备注
Submitted to ICASSP 2026