MatchboxNet：用于语音命令识别的 1D 时间-通道可分离卷积神经网络架构
音频与语音处理
2022-04-25 v2
摘要
我们提出 MatchboxNet——一种用于语音命令识别的端到端神经网络。MatchboxNet 是一个深度残差网络，由 1D 时间-通道可分离卷积、批归一化、ReLU 和 dropout 层模块组成。MatchboxNet 在 Google Speech Commands 数据集上达到了最先进的准确率，同时其参数量显著少于同类模型。MatchboxNet 的小尺寸使其成为计算资源有限设备上的一个极具吸引力的候选方案。该模型具有高度可扩展性，因此可以通过适度增加内存和计算量来提高模型精度。最后，我们展示了如何利用辅助噪声数据集进行密集数据增强，以提高模型在背景噪声下的鲁棒性。
引用
@article{arxiv.2004.08531,
title = {MatchboxNet: 1D Time-Channel Separable Convolutional Neural Network Architecture for Speech Commands Recognition},
author = {Somshubra Majumdar and Boris Ginsburg},
journal= {arXiv preprint arXiv:2004.08531},
year = {2022}
}