面向低功耗极端边缘嵌入式系统的关键词检测本地域学习

关键词检测准确率在神经网络暴露于噪声环境时会下降。针对先前未见的噪声进行现场适应对于恢复准确率至关重要，而且必须在边缘设备上完成适应过程。本工作提出了一种在设备上实现的域适应系统，可实现最高可达14%的准确率提升。我们使用不足10 kB的内存，仅凭100个标记语音utterances即可在适应复杂语音噪声后恢复5%的准确率。我们展示了在始终打开、便携式电池供电设备上，仅需806 mJ的能量即可在14秒内实现域适应。