论文地址:https://arxiv.org/pdf/1904.08779.pdf
Augmentation Policy
我们旨在构建一种直接作用于log mel频谱图的增强策略,以帮助网络学习有用的功能。 出于以下目的的动机:这些功能应对时间方向的变形,频率信息的部分丢失和小部分语音片段具有较强的鲁棒性,因此我们选择了以下变形来制定策略:
1、时间warp 是通过tensorflow的sparse_image_warp函数实现的。 给定具有τ个时间步长的对数梅尔频谱图,我们将其视为时间轴为水平而频率轴为垂直的图像。 沿水平线在时间步长(W,τ-W)内穿过图像中心的随机点应向左或向右弯曲距离w,该距离应从0到时间扭曲的均匀分布中选择 沿该线的参数W。 我们在边界上固定六个锚点-垂直边缘的四个角和中点