稠密连接卷积网络结合域对抗学习用于噪声鲁棒语音识别的研究
计算与语言
2021-12-21 v1 机器学习
音频与语音处理
摘要
我们研究了稠密连接卷积网络(DenseNets)及其结合域对抗训练用于噪声鲁棒语音识别的扩展。DenseNets是非常深且紧凑的卷积神经网络,已在计算机视觉中展现出对最先进结果的惊人改进。我们的实验结果表明,DenseNets比其他基于神经网络的模型(如深度前馈神经网络和卷积神经网络)对噪声更具鲁棒性。此外,域对抗学习能进一步提升DenseNets在已知与未知噪声条件下的鲁棒性。
引用
@article{arxiv.2112.10108,
title = {Investigation of Densely Connected Convolutional Networks with Domain Adversarial Learning for Noise Robust Speech Recognition},
author = {Chia Yu Li and Ngoc Thang Vu},
journal= {arXiv preprint arXiv:2112.10108},
year = {2021}
}
备注
7 pages, 5 figures, The 30th Conference on Electronic Speech Signal Processing (ESSV2019)