- 博客(2)
- 收藏
- 关注
原创 【论文笔记】RETHINKING COMPLEX-VALUED DEEP NEURAL NETWORKS FOR MONAURAL SPEECH ENHANCEMENT
尽管在采用复数值深度神经网络(DNN)方面做出了很多努力,但对于复数值DNN是否普遍比实数值DNN在单声道语音增强方面更有效,这仍然是一个悬而未决的问题。本研究旨在通过系统地对比复数值DNN与其对应的实数值DNN来进行批判性评估。具体来说,我们研究了复数值DNN的基本单元,包括线性层、卷积层、长短期记忆(LSTM)和门控线性单元。通过比较最近的门控卷积递归网络(GCRN)中基础构建模块的复数值和实数值版本,我们揭示了不同基本块机制如何影响性能。我们还发现,当模型尺寸较小时,使用复数值操作会阻碍模型的能力。
2024-08-01 17:07:47
771
2
原创 【论文笔记—语音增强模型压缩】Towards Model Compression for Deep Learning Based Speech Enhancement
我们提出了两个压缩方法来减小基于DNN的语音增强模型尺寸,其中包含了三种不同的技术:稀疏正则化、迭代剪枝和基于聚类的量化。我们系统地研究了这些技术,并评估了所提出的压缩方法。实验结果表明,我们的方法在不显著牺牲增强性能的前提下,大大减小了四个不同模型的尺寸。此外,我们发现所提出的方法对说话人分离模型也有很好的效果,进一步证明了该方法对语音分离模型压缩的有效性。在本研究中,我们提出了两个DNN语音增强的压缩pipeline,包括三种不同的技术:稀疏正则化、迭代剪枝和基于聚类的量化。
2024-08-01 16:53:07
691
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人