基于增量迁移学习的双通信息瓶颈说话人日志系统用于会议场景
音频与语音处理
2020-10-14 v1 声音
摘要
基于双通信息瓶颈（TPIB）的说话人日志系统在不同的会话录音上独立运行。TPIB系统在对话新的会话时未考虑先前学到的说话人判别信息。因此，由于人工神经网络（ANN）所需的训练时间，TPIB系统的实时因子（RTF）较高。本文尝试使用增量迁移学习方法改善TPIB系统的RTF，其中ANN从其他会话学到的参数使用当前会话进行更新，而非从头学习参数。这显著降低了RTF。在标准的NIST和AMI会话会议数据集上，证明了所提方法相对于基线IB和TPIB系统的有效性。在性能轻微下降的情况下，相对于TPIB系统，所提系统在NIST RT-04Eval和AMI-1数据集上的RTF分别显著改善了33.07%和24.45%。
引用
@article{arxiv.1902.08051,
title = {Incremental Transfer Learning in Two-pass Information Bottleneck based Speaker Diarization System for Meetings},
author = {Nauman Dawalatabad and Srikanth Madikeri and C Chandra Sekhar and Hema A Murthy},
journal= {arXiv preprint arXiv:1902.08051},
year = {2020}
}
备注
5 pages, 2 figures, To appear in Proc. ICASSP 2019, May 12-17, 2019, Brighton, UK