典型文献
基于小样本学习的语音端点检测
文献摘要：
语音端点检测作为语音信号处理前端处理部分的一个重要环节,是各种语音任务的基础.基于深度神经网络的语音端点检测在数据支撑上需要对语音进行大量帧级别的标注,针对此问题,文中提出一种基于原型网络(ProtoNet)的小样本学习(Few-shot Learning)的语音端点检测算法,进一步减少在语音端点检测算法过程中因帧级别数据标注带来的繁琐工作.该算法利用所给出的标签计算出一个分类中心,通过计算查询点到分类中心的距离将未给出标签的查询点归类到分类中心,得到一个原型中心;在测试集上,计算测试集中的查询点与原型中心的距离并进行测试.实验语料基于MUSAN语音库,使用该语音库自带的噪声库进行加噪.实验结果表明,在各种环境噪声下,基于小样本学习的语音端点检测算法的性能优于基于深度神经网络的语音端点检测算法,而且该算法能够显著减少语音端点检测算法的数据准备工作量与系统数据量.
文献关键词：
语音端点检测;原型网络;小样本学习;数据标注;语音信号处理;深度学习;结果分析
中图分类号：
作者姓名：
单蒙;米吉提·阿不里米提;艾斯卡尔·艾木都拉
作者机构：
新疆大学 信息科学与工程学院,新疆 乌鲁木齐 830046
文献出处：
引用格式：
[1]单蒙;米吉提·阿不里米提;艾斯卡尔·艾木都拉-.基于小样本学习的语音端点检测)[J].现代电子技术,2022(24):145-150
A类：
ProtoNet,MUSAN
B类：
小样本学习,语音端点检测,语音信号处理,前端处理,深度神经网络,基于原型,原型网络,Few,shot,Learning,检测算法,别数,数据标注,法利,类中心,计算查询,测试集,语料,自带,环境噪声,数据准备,准备工作,系统数据,数据量
AB值：
0.201446
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
