面向有限训练数据的连续语音关键词 spotting 的原型度量迁移学习
声音
2019-01-15 v1 计算与语言
机器学习
音频与语音处理
机器学习
摘要
连续语音关键词 spotting（CSKS）是指在录音对话中 spotting 关键词的问题，当训练数据中仅有少量关键词实例可用时。与更常见的关键词 spotting 不同——后者算法需在语音中检测孤立的关键词或短短语，如“Alexa”、“Cortana”、“Hi Alexa!”、“Whatsup Octavia?”等——CSKS 需要从连续语音流中滤除嵌入词，即在“I know a developer named Anna who can look into this github issue.”中 spotting “Anna”和“github”。除训练数据有限的可用性问题外，CSKS 还是一个极度不平衡的分类问题。我们通过结合新颖的损失函数组合（原型网络损失与度量损失）和迁移学习，解决了上述两方面挑战下简单关键词 spotting 基线的局限性。我们的方法将 F1 分数提高了 10% 以上。
引用
@article{arxiv.1901.03860,
title = {Prototypical Metric Transfer Learning for Continuous Speech Keyword Spotting With Limited Training Data},
author = {Harshita Seth and Pulkit Kumar and Muktabh Mayank Srivastava},
journal= {arXiv preprint arXiv:1901.03860},
year = {2019}
}