MarbleNet：用于语音活动检测的深度一维时间-通道可分离卷积神经网络
音频与语音处理
2021-02-15 v2 声音
摘要
我们提出 MarbleNet，一种用于语音活动检测（VAD）的端到端神经网络。MarbleNet 是一个深度残差网络，由一维时间-通道可分离卷积、批归一化、ReLU 和 dropout 层块组成。与最先进的 VAD 模型相比，MarbleNet 能以约 1/10 的参数代价实现相似性能。我们进一步对不同训练方法和参数选择进行广泛消融研究，以考察 MarbleNet 在真实世界 VAD 任务中的鲁棒性。
引用
@article{arxiv.2010.13886,
title = {MarbleNet: Deep 1D Time-Channel Separable Convolutional Neural Network for Voice Activity Detection},
author = {Fei Jia and Somshubra Majumdar and Boris Ginsburg},
journal= {arXiv preprint arXiv:2010.13886},
year = {2021}
}
备注
Accepted to ICASSP 2021