用于语音指令识别的时序反馈卷积循环神经网络
音频与语音处理
2022-09-20 v3 计算与语言
机器学习
声音
信号处理
摘要
使用原始波形作为输入端到端学习模型在许多音频识别任务中已展现出优越性能。然而，大多数模型架构基于主要为视觉识别任务开发的卷积神经网络（CNN）。本文提出挤压激励网络（SENets）的一种扩展，其利用循环模块将顶层特征的时序反馈控制添加至低层逐通道特征激活中。这类似于人类听觉系统中外毛细胞的自适应增益控制机制。我们将所提模型应用于语音指令识别，并表明其略优于 SENets 及其他基于 CNN 的模型。我们还通过失败分析并可视化由时序反馈引起的逐通道特征缩放，研究了性能提升的细节。
引用
@article{arxiv.1911.01803,
title = {Temporal Feedback Convolutional Recurrent Neural Networks for Speech Command Recognition},
author = {Taejun Kim and Juhan Nam},
journal= {arXiv preprint arXiv:1911.01803},
year = {2022}
}
备注
This paper is accepted to APSIPA ASC 2022