面向语音关键词 spotting 的渐进式持续学习
计算与语言
2022-02-08 v2 声音
音频与语音处理
摘要
灾难性遗忘是部署后更新关键词 spotting（KWS）模型时一个棘手挑战。为应对此类挑战，我们提出一种面向小 footprint 语音关键词 spotting 的渐进式持续学习策略（PCL-KWS）。具体而言，所提 PCL-KWS 框架引入网络实例化器生成任务特定子网络以记忆已学关键词。因此，PCL-KWS 方法能增量学习新关键词而不遗忘先前知识。此外，PCL-KWS 的关键词感知网络缩放机制在保持高性能的同时约束了模型参数的增长。实验结果表明，在 Google Speech Command 数据集上顺序学习五个新任务后，相较其他基线，我们所提 PCL-KWS 方法对所有任务取得了 92.8% 平均准确率的新 SOTA 性能。
引用
@article{arxiv.2201.12546,
title = {Progressive Continual Learning for Spoken Keyword Spotting},
author = {Yizheng Huang and Nana Hou and Nancy F. Chen},
journal= {arXiv preprint arXiv:2201.12546},
year = {2022}
}
备注
ICASSP 2022