· 2017
Permütasyon Değişmez Eğitim (PIT) Konuşma Ayırma Etiket Sorununu Çözüyor
Permutation invariant training of deep models for speaker-independent multi-talker speech separation
- 879atıf
- 2017yıl
Kısa özet
Permütasyon Değişmez Eğitim (PIT) adlı yeni bir derin öğrenme eğitim kriteri, ilerlemeyi engelleyen etiket permütasyon sorununu çözen konuşma ayırma hatasını doğrudan en aza indirir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Konuşmacıdan bağımsız çoklu konuşmacı konuşma ayırma için Permütasyon Değişmez Eğitim (PIT) tanıtıldı.
- PIT, etiket permütasyon sorununu çözen ayırma hatasını doğrudan en aza indirir.
- WSJ0 ve Danca konuşma ayırma görevlerinde NMF, CASA ve DPCL'den daha iyi performans gösterir.
- Görülmeyen konuşmacılar ve diller üzerinde iyi genelleme sergiler.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
We propose a novel deep learning training criterion, named permutation invariant training (PIT), for speaker independent multi-talker speech separation, commonly known as the cocktail-party problem. Different from the multi-class regression technique and the deep clustering (DPCL) technique, our novel approach minimizes the separation error directly. This strategy effectively solves the long-lasting label permutation problem, that has prevented progress on deep learning based techniques for speech separation. We evaluated PIT on the WSJ0 and Danish mixed-speech separation tasks and found that it compares favorably to non-negative matrix factorization (NMF), computational auditory scene analysis (CASA), and DPCL and generalizes well over unseen speakers and languages. Since PIT is simple to implement and can be easily integrated and combined with other advanced techniques, we believe improvements built upon PIT can eventually solve the cocktail-party problem.
Yazarların özeti; kaynağından alınmıştır., 2017 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Sinyal İşleme
Signal ProcessingComputer Science