Mutli-task Learning with Alignment Loss for Far-field Small-Footprint Keyword Spotting论文阅读

用于远场唤醒词识别的带对齐损失的多任务学习方案

摘要

实际应用中，远场环境是经常遇到的，并且它会由于房间混响和各种噪声而导致性能下降。

基线方法：卷积神经网络(使用远场和近场语音的混合数据进行训练)

介绍

KWS也称为唤醒词检测，是一项在连续语音信号中检测预定义关键字出现的任务。

要求：

• 唤醒词检测要有较小的内存和计算成本
• 在复杂环境(噪声或远场环境)中有较高的检测精度和鲁棒性

方法：

• 隐马尔科夫模型(HMM)，被用来构造关键字模型和填充/背景模型。
• 高斯混合模型
• 深度神经网络
• 延迟神经网络(TDNN)

近年来，更多的研究关注DNN的关键词识别系统，其性能优于传统方法。

然而，在许多实际应用中，KWS系统的性能往往在低信噪比和远场条件下下降。

本文提出了一种基于KWS对齐损失的多任务学习训练方案。

基于KWS系统的卷积神经网络

三个主要组成部分：特征提取，网络预测和置信度计算。

• 卷积核大小为(3,3)，步长为(1,1)
• 最大池化核大小(2,2)
• 最后加入两个全连接层和softmax损失来进行预测

在训练处理之后，声学特征序列被映射为后验概率序列。

• 定义一个滑动窗口来计算分数
• 用x={ x1,x2,x3,...xTsx_1,x_2,x_3,...x_{Ts}x1​,x<