TinySV：具有设备上学习的TinyML说话人验证
声音
2024-11-27 v1 机器学习
音频与语音处理
摘要
TinyML是机器学习的一个新兴领域，由于能够在微型设备（如物联网或嵌入式系统）上执行机器学习算法，在过去几年中获得了巨大发展势头。有趣的是，该领域的研究集中在TinyML模型推理阶段在微型设备上的高效执行，而由于学习算法带来的相关开销，文献中关于TinyML模型设备上学习的解决方案非常少。本文旨在介绍一种新型的自适应TinyML解决方案，可用于需要设备上学习算法的任务，例如所提出的\textit{微型说话人验证}（TinySV）。实现这一目标需要（i）降低TinyML学习算法的内存和计算需求，以及（ii）设计一个使用少量且可能无标签训练数据运行的TinyML学习算法。所提出的TinySV解决方案依赖于一个两层分层TinyML解决方案，包括关键词识别和自适应说话人验证模块。我们在专门为此任务收集的数据集上评估了所提出的TinySV解决方案的有效性和效率，并在真实的物联网设备（英飞凌PSoC 62S2 Wi-Fi BT Pioneer Kit）上测试了所提出的解决方案。
引用
@article{arxiv.2406.01655,
title = {TinySV: Speaker Verification in TinyML with On-device Learning},
author = {Massimo Pavan and Gioele Mombelli and Francesco Sinacori and Manuel Roveri},
journal= {arXiv preprint arXiv:2406.01655},
year = {2024}
}