面向关键词 spotting 的神经网络架构搜索
音频与语音处理
2021-04-27 v2 机器学习
声音
摘要
深度神经网络近期成为关键词 spotting 系统的流行解决方案,其通过语音实现对智能设备的控制。本文应用神经网络架构搜索来寻找卷积神经网络模型,以在基于声学信号提取特征的同时提升关键词 spotting 性能,并保持可接受的内存占用。具体而言,我们使用可微架构搜索技术在预定义单元搜索空间中搜索算子及其连接。随后将所得单元在深度与宽度上放大以实现有竞争力的性能。我们在 Google 的 Speech Commands Dataset 上评估所提方法,在文献中常报告的 12 类语句分类设定下取得了超过 97% 的最先进准确率。
引用
@article{arxiv.2009.00165,
title = {Neural Architecture Search For Keyword Spotting},
author = {Tong Mo and Yakun Yu and Mohammad Salameh and Di Niu and Shangling Jui},
journal= {arXiv preprint arXiv:2009.00165},
year = {2021}
}
备注
will be presented in INTERSPEECH 2020