文章链接
参考
关键词
说话人识别、DNN、数据增强、x-vectors
主要工作
本文所用的DNN可接受任意长度的输入,并转换成固定长度的表达(即x-vector)。
(在训练数据量不足的情况下,采用了数据增强)
(与 i-vector 对比,发现数据增强对 i-vector 没有帮助,但对 x-vector DNN 帮助很大)
本文所用DNN的结构可参见另一篇文章(文章链接),如图所示:
包括多层时间延迟结构、1层统计池化层、2层全连接层(隐藏层)、以及一层softmax。
使用交叉熵损失函数进行训练。
所有评论(0)