基于新型损失函数DV-Softmax的声纹识别方法

摘要

针对声纹识别领域中现有模型分类损失函数无法有效区分类别之间的可分性与缺乏对声纹数据质量关注的问题，本文提出一种新的分类损失函数DV-Softmax。首先，介绍了声纹领域现有边界损失函数工作原理；其次，介绍目标检测领域的挖掘损失函数，并在其基础上提出模糊样本的概念；再次，引入人脸识别领域的MV-Softmax损失函数，并加入模糊样本，使其能自适应强调不同样本之间的区别并指导特征学习；最后，分别在Voxceleb1和SITW数据集进行声纹识别的研究。实验结果表明，DV-Softmax损失函数相较于现有边界损失函数，等错误率分别下降8%和5.4%，其验证了该损失函数有效解决类别之间的可分性及对样本声纹数据质量的关注，并在声纹识别领域具有良好的性能。

关键词

深度学习 / 声纹识别 / 损失函数 / 信息挖掘