NAS-VAD：面向语音活动检测的神经网络架构搜索
声音
2022-10-05 v2 机器学习
音频与语音处理
摘要
为实现更鲁棒且更准确的语音活动检测（VAD），已有多种基于神经网络的方法被提出。此类神经架构的手动设计易出错且耗时，这促使了神经网络架构搜索（NAS）的发展，其可自动设计与优化网络架构。尽管 NAS 已成功应用于提升多种任务的性能，但在 VAD 领域尚未被利用。本文中，我们呈现了首个在 VAD 任务上利用 NAS 方法的工作。为有效搜索适用于 VAD 任务的架构，我们提出了一种改进的宏结构以及一个包含更广泛操作范围（含注意力操作）的新搜索空间。结果表明，所提 NAS 框架发现的网络结构在各种加噪与真实录音数据集上均优于先前手动设计的最先进 VAD 模型。我们还表明，在特定数据集上搜索得到的架构在未见音频数据集上取得了改进的泛化性能。我们的代码与模型可在 https://github.com/daniel03c1/NAS_VAD 获取。
引用
@article{arxiv.2201.09032,
title = {NAS-VAD: Neural Architecture Search for Voice Activity Detection},
author = {Daniel Rho and Jinhyeok Park and Jong Hwan Ko},
journal= {arXiv preprint arXiv:2201.09032},
year = {2022}
}
备注
Submitted to Interspeech 2022