基于联合知识迁移的低资源语音关键词检测

摘要

针对低资源条件下语音关键词检测准确率较低的问题，提出一种联合无监督特征提取与有监督模型参数迁移的检测方法.首先，利用大规模无标注语音数据训练深度特征提取网络，并将提取的特征与声学谱图特征进行融合，以增强特征对声学环境的鲁棒性；其次，利用源域丰富的有标注数据对判决网络进行预训练，通过参数迁移的方式引入判决知识，解决目标域训练数据不足导致的模型难收敛问题；最后，使用极少量目标域数据对整体网络进行微调.在客家话及粤语数据集上的实验结果表明，该方法显著优于单一迁移策略，在客家话任务中错误拒绝率降至11.77%,加权关键词最大值提升至0.734 6.实验结果证明该方法能有效缓解数据匮乏问题，显著提升低资源语种的检测性能.

关键词

语音关键词检测 / 深度学习 / 低资源 / 联合知识迁移