探索基于注意力的统一池化框架用于说话人验证
声音
2018-08-23 v1 音频与语音处理
摘要
池化层是基于神经网络的说话人验证中的一个关键组件。当前说话人验证中的多数网络使用平均池化来导出话语级说话人表示。平均池化将每一帧视为同等重要，这是次优的，因为语音段之间的说话人判别力不同。本文中，我们提出一个基于注意力的统一池化框架，并将其与多头注意力结合。在 Fisher 与 NIST SRE 2010 数据集上的实验表明，利用低层输出计算注意力权重可优于平均池化，并取得比原始注意力方法更好的结果。多头注意力进一步提升了性能。
引用
@article{arxiv.1808.07120,
title = {Exploring a Unified Attention-Based Pooling Framework for Speaker Verification},
author = {Yi Liu and Liang He and Weiwei Liu and Jia Liu},
journal= {arXiv preprint arXiv:1808.07120},
year = {2018}
}
备注
Accepted by ISCSLP 2018