基于广义对比损失的半监督对比学习及其在说话人识别中的应用
音频与语音处理
2020-06-09 v1 声音
摘要
本文介绍了一种半监督对比学习框架及其在文本无关说话人验证中的应用。所提框架采用广义对比损失（GCL）。GCL 统一了来自两个不同学习框架的损失：监督度量学习和无监督对比学习，因此自然确定了半监督学习的损失。在实验中，我们将所提框架应用于 VoxCeleb 数据集上的文本无关说话人验证。我们证明了 GCL 能够以三种方式学习说话人嵌入：监督学习、半监督学习和无监督学习，且无需对损失函数的定义做任何更改。
引用
@article{arxiv.2006.04326,
title = {Semi-Supervised Contrastive Learning with Generalized Contrastive Loss and Its Application to Speaker Recognition},
author = {Nakamasa Inoue and Keita Goto},
journal= {arXiv preprint arXiv:2006.04326},
year = {2020}
}