利用对抗样本进行训练增强以实现鲁棒语音识别
计算与语言
2018-06-19 v2 机器学习
音频与语音处理
机器学习
摘要
本文探讨在训练语音识别系统中使用对抗样本，以增强深度神经网络声学模型的鲁棒性。训练期间，采用快速梯度符号法生成对抗样本以扩充原始训练数据。不同于基于数据变换的传统数据增强，这些样本是根据当前声学模型参数动态生成的。我们在 Aurora-4 与 CHiME-4 单通道任务上评估了对抗数据增强的影响，显示出针对噪声与信道变化的鲁棒性提升。当将对抗样本与教师/学生训练结合时获得进一步改进，在 Aurora-4 上实现了 23% 的相对词错误率降低。
引用
@article{arxiv.1806.02782,
title = {Training Augmentation with Adversarial Examples for Robust Speech Recognition},
author = {Sining Sun and Ching-Feng Yeh and Mari Ostendorf and Mei-Yuh Hwang and Lei Xie},
journal= {arXiv preprint arXiv:1806.02782},
year = {2018}
}