用于说话人验证的真实加性间隔 Softmax
声音
2021-10-19 v1 机器学习
音频与语音处理
摘要
加性间隔 Softmax（AM-Softmax）损失在说话人验证中表现出卓越的性能。AM-Softmax 的一个预期行为是它可以通过强调目标 logit 来缩小类内方差，进而增大目标类与非目标类之间的间隔。在本文中，我们仔细分析了 AM-Softmax 损失的行为，并表明该损失并未实现真正的最大间隔训练。基于这一观察，我们提出了一种 Real AM-Softmax 损失，它在 Softmax 训练中包含一个真实的间隔函数。在 VoxCeleb1、SITW 和 CNCeleb 上进行的实验表明，修正后的 AM-Softmax 损失始终优于原始损失。代码已发布于 https://gitlab.com/csltstu/sunine。
引用
@article{arxiv.2110.09116,
title = {Real Additive Margin Softmax for Speaker Verification},
author = {Lantian Li and Ruiqian Nai and Dong Wang},
journal= {arXiv preprint arXiv:2110.09116},
year = {2021}
}
备注
Submitted to ICASSP 2022