通过平滑最大池化学习检测关键词部件与整体
计算与语言
2020-01-29 v1 声音
音频与语音处理
摘要
我们提出了平滑最大池化损失及其在关键词 spotting 系统中的应用。所提方法以半监督方式联合训练编码器（检测关键词部件）与解码器（检测关键词整体）。所提新损失函数允许训练模型检测关键词的部件与整体，而无需严格依赖来自LVCSR（大词汇量连续语音识别）的帧级标注，使进一步优化成为可能。由于可优化性的提升，所提系统优于[1]中的基线关键词 spotting 模型。此外，由于降低了对LVCSR的依赖，它可更易于适配设备端学习应用。
引用
@article{arxiv.2001.09246,
title = {Learning To Detect Keyword Parts And Whole By Smoothed Max Pooling},
author = {Hyun-Jin Park and Patrick Violette and Niranjan Subrahmanya},
journal= {arXiv preprint arXiv:2001.09246},
year = {2020}
}
备注
Accepted in International Conference on Acoustics, Speech, and Signal Processing 2020