| 文本无关说话人识别的一种多尺度特征提取方法 |
| |
| 引用本文： | 陈志高,李鹏,肖润秋,黎塔,王文超. 文本无关说话人识别的一种多尺度特征提取方法[J]. 电子与信息学报, 2022, 43(11): 3266-3271. DOI: 10.11999/JEIT200917 |
| |
| 作者姓名： | 陈志高 李鹏 肖润秋 黎塔 王文超 |
| |
| 作者单位： | 中国科学院声学研究所语言声学与内容理解重点实验室 北京 100190;中国科学院大学 北京 100049;国家计算机网络应急技术处理协调中心 北京 100029;中国科学院声学研究所语言声学与内容理解重点实验室 北京 100190 |
| |
| 摘 要： | 近些年来,多种基于卷积神经网络(CNNs)的模型结构表现出越来越强的多尺度特征表达能力,在说话人识别的各项任务中取得了持续的性能提升.然而,目前大多数方法只能利用更深更宽的网络结构来提升性能.该文引入一种更高效的多尺度说话人特征提取框架Res2Net,并对它的模块结构进行了改进.它以一种更细粒化的工作方式,获得多种感受野的组合,从而获得多种不同尺度组合的特征表达.实验表明,该方法在参数量几乎不变的情况下,等错误率(EER)相较ResNet有20％的下降,并且在VoxCeleb,SITW等多种不同录制环境和识别任务中都有稳定的性能提升,证明了该方法的高效性和鲁棒性.改进后的全连接模块结构能更充分利用训练信息,在数据充足和任务复杂时性能提升明显.具体代码可以在https://github.com/czg0326/Res2Net-Speaker-Recognition获得.
|
| 关 键 词： | 说话人识别 多尺度特征 鲁棒性 高效性 |
A Multiscale Feature Extraction Method for Text-independent Speaker Recognition |
| |
| CHEN Zhigao,LI Peng,XIAO Runqiu,LI Ta,WANG Wenchao. A Multiscale Feature Extraction Method for Text-independent Speaker Recognition[J]. Journal of Electronics & Information Technology, 2022, 43(11): 3266-3271. DOI: 10.11999/JEIT200917 |
| |
| Authors: | CHEN Zhigao LI Peng XIAO Runqiu LI Ta WANG Wenchao |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
