面向关键词 spotting 的半监督联邦学习
机器学习
2023-05-10 v1 音频与语音处理
摘要
关键词 spotting（KWS）是基于音频的移动设备与虚拟助手应用的关键环节。联邦学习（FL）近期的发展显著扩展了利用众多分布式设备的计算与私有数据资源来训练机器学习模型的能力。然而，现有FL方法通常要求设备拥有准确的真实标签，在处理本地音频数据时这既昂贵又不切实际。在本研究中，我们首先展示了半监督联邦学习（SSL）与FL在KWS上的有效性。随后我们将研究拓展至面向KWS的半监督联邦学习（SSFL），其中设备拥有完全无标签数据，而服务器可访问少量带标签数据。我们使用最先进的SSL、FL与SSFL技术进行数值分析，证明通过利用设备上丰富的无标签异构数据，KWS模型的性能可得到显著提升。
引用
@article{arxiv.2305.05110,
title = {Semi-Supervised Federated Learning for Keyword Spotting},
author = {Enmao Diao and Eric W. Tramel and Jie Ding and Tao Zhang},
journal= {arXiv preprint arXiv:2305.05110},
year = {2023}
}