说话人验证中用于半监督域自适应的多目标渐进聚类
音频与语音处理
2023-10-10 v1 声音
摘要
利用伪标注算法处理大规模无标签数据，对于说话人验证任务中的半监督域自适应至关重要。本文中，我们提出一种专为半监督域自适应设计的新型伪标注方法，称为多目标渐进聚类（MoPC）。首先，我们利用目标域中有限的标签数据，基于多个不同目标导出域特定描述子，即图内去噪、类内去噪与类间去噪。随后，采用 Infomap 算法进行嵌入聚类，并利用这些描述子进一步精炼目标域的伪标签。此外，为进一步提升伪标签质量，我们引入子中心净化与渐进合并策略用于标签去噪。我们提出的 MoPC 方法取得了 4.95% 的 EER，并在 VoxSRC 2023 track 3 的评测集上排名第 1。我们还在 FFSVC 数据集上进行了额外实验并取得了有前景的结果。
引用
@article{arxiv.2310.04760,
title = {Multi-objective Progressive Clustering for Semi-supervised Domain Adaptation in Speaker Verification},
author = {Ze Li and Yuke Lin and Ning Jiang and Xiaoyi Qin and Guoqing Zhao and Haiying Wu and Ming Li},
journal= {arXiv preprint arXiv:2310.04760},
year = {2023}
}