色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

用于語音情緒識別的基于對抗學習的說話人無關的表示

wpl4_DeepLearni ? 來源:lq ? 2019-05-07 17:59 ? 次閱讀

1. 用于語音情緒識別的基于對抗學習的說話人無關的表示

嘗試解決的問題:

在語音情緒識別任務中,會面臨到要測試的說話人未出現在訓練集中的這個問題,本文嘗試運用TDNN+LSTM作為特征提取部分,再通過對抗學習的方法來做到讓模型可以對說話人身份不敏感,從模型上來說,該對抗訓練的思想就是將特征提取器提取到的特征同時輸入到說話人身份分類器和情緒識別分類器,對抗訓練的損失函數是讓說話人身份分類器的損失達到最大,讓情緒識別分類器的損失達到最小,這樣以后,無論是哪個說話人的語音,經過特征提取那部分以后,就沒有身份這一區別了。

如果有讀者閱讀過論文《Domain adversarial training of neural networks》,那么對DAT這個名詞就不陌生了,即遷移學習中的跨域學習,比如我現在有A領域的數據,并且該數據已經被標記好類別,同時也有B領域數據,但是未進行標記,如果我希望充分利用B數據,目標是進行分類,該怎么利用呢?我們只需要三個模塊結合對抗學習即可完成,分別是特征提取器+域識別器+分類器,當域識別器已經無法正確判斷的時候,說明特征提取器已經完成了身份融合的效果,這個時候訓練分類器即可。

在本篇語音情緒識別中,作者所提出的模型如下圖所示,輸入音頻的MFCC特征經過TDNN網絡(由卷積神經網絡實現)和BiLSTM網絡得到新的特征分布,再將此特征分布同時輸送到情緒識別器得到情緒種類y和說話人身份識別器得到身份s。

作者嘗試運用了兩種訓練方法,一種是domain adversial training,即DAT;另一種是cross gradient training,即CGT。下面我將分別解釋這兩種訓練算法

DAT

如前所述,DAT是通過對抗學習來使得網絡具備跨域的能力,其損失函數如下,可以看到,對于身份識別器而言,它的損失函數前面乘了一個因子并且取了負號,這使得網絡可以具備身份融合的作用,從而專注于情緒分類。

CGT

CGT是另外一種解決跨域學習的數據增強技巧,它通過將梯度傳到輸入數據上,于是情緒識別網絡可以訓練原數據和增強后的數據,這樣就可以使得模型具備學習跨域的變化特征進而可以適應未知的測試數據集。CGT的數據增強技巧和損失函數如下,其中前兩項是增強后的新數據,最后是參數更新公式。

作者基于本模型和兩種訓練技巧分別在IEMOCAP數據集和SpeechOcean中文大數據集上做了測試,所用的具體模型結構如下所示,實驗結果表明,在IEMOCAP小數據集上,相比于基線模型,DAT提高了5.6%,CGT提高了7.4%;但是在SpeechOcean 250說話人的中文大數據集上,DAT提高了9.8%,CGT的性能不及基線模型。

同時,作者畫出了通過DAT訓練的經過特征提取器得到的特征分布的t-SNE降維表示,如下圖所示,左邊是情緒類別,右邊是身份類別,可以看到身份標簽已經很好地被融合在一起。

2. 基于濾波和深度神經網絡的聲源增強

參考文獻:

data-driven design of perfect reconstruction filterbank for dnn-based sound source enhancement

鏈接:

https://arxiv.org/abs/1903.08876

單位:

早稻田大學 & 日本電話電報公司

嘗試解決的問題:

傳統的聲源增強(Sound-source enhancement,SSE)的做法是首先將含噪音的信號進行STFT變換得到時頻圖,再借助深度神經網絡進行特征變換,將得到的新的時頻圖與目標時頻圖進行求均方差,基于此均方差來訓練神經網絡的參數。訓練好網絡以后,將推理得到的時頻圖通過ISTFT變換到音頻,即可得到增強的音頻信號。這種做法的缺點按照文中的描述就是:

For example, MSE assumes that the error of all frequency bins has zero means and uniform variance, which cannot be met in usual situations, unfortunately.

按照筆者的理解就是訓練均方差目標函數得確保數據中每個頻率倉的均值和方差一樣,因為只有這樣訓練才比較有效參數才可以穩定地更新,但是實際上,我們在計算STFT的時候,并沒有考慮到所有音頻的個體差異,本文嘗試解決的就是這里的維度上的統計均勻的問題,DNN的框架是沒有變的,整體框架可以參見下圖的對比:

首先,傳統的STFT算法作用到一個信號x上可以用如下公式描述:

這里得到的X就是該信號的時頻信息,其中ω是頻率索引,k是幀索引。我們知道,X是由目標信號和噪音信號共同組成的,根據傅里葉變換的可加性,可知:

為了得到目標時頻,我們在X[ω,k]的基礎上作用一個T-F遮罩G[ω,k],該T-F遮罩一般使用深度神經網絡M來實現,于是整個模型的損失函數可以寫成如下形式:

但是基于MSE的訓練算法有一個數據上的缺陷,因為MSE的前提假設是各個維度的數據分布要保持一致,但這在實際中是很難保證的,因無論是聲源還是噪聲都有著不均勻的頻譜分布,舉個例子,由于高頻區域音頻較少,功率譜較小,誤差變化比較小,因而高頻區域要比低頻區域更難訓練。這個時候,對損失函數做一個加權是合理的想法,該權重應該是自適應頻率的,并且與頻率誤差的標準差成反比,也就是說誤差標準差越小的頻率,我們需要多重視一下它的損失函數。

其中,權重的計算公式如下:

但是這樣又帶來一個問題,因為功率譜較小的頻率區域權重比較大,故模型對那些區域的噪聲特別敏感,那么,算法的有效性就降低了。

本文作者提出的改進的思路是保持損失函數不變,而對STFT部分進行改進,公式如下,作者將原公式中的ω定義成了φ(ω)的倒數的形式,這樣就可以自定義頻率的量級,這里的φ函數稱之為頻率扭曲函數。

那么如何設計這里的頻率扭曲函數φ呢?通過對誤差的功率譜密度進行累計求和,依次從低頻到高頻,并加上一個規則化因子:

本文中所用的特征變換網絡的結構如下表所示,分別是全連接神經網絡+兩層雙向LSTM循環神經網絡+全連接分類網絡,以輸出目標頻譜。

最后作者將此模型運用到以WSJ-0作為目標數據集,以CHiME-3作為噪聲來源所構成的四套數據上,即通過構建含噪音頻-清晰音頻配對來作為訓練樣本,得到的實驗結果如下,圖中的數值代表信噪比,數值越大,表明信噪比越高,即增強效果越好。

總體而言,這篇文章是基于平行語料和深度神經網絡,對語音增強中的輸入頻譜的預處理算法進行改進,以解決基于均方差訓練中可能會出現的訓練不穩定的問題。以后的推送中將會看到,對于語音增強或語音分離,我們甚至可以采用非平行語料來做。

3. 用于語音韻律、頻譜可視化的在線網頁平臺

參考文獻:

CRAFT: A Multifunction Online Platform for Speech Prosody Visualisation

鏈接:

https://arxiv.org/abs/1903.08718

單位:

比勒費爾德大學

demo體驗網址:

http://wwwhomes.uni-bielefeld.de/gibbon/CRAFT/

嘗試解決的問題:

提供一個更加友好的基頻(各種不同的實現算法)、頻譜包絡可視化對比的在線平臺。

這里我們先回顧幾個聲學頻譜分析中的概念:

基頻:一般我們對一個音頻作短時傅里葉變化并畫出時頻圖的時候,時頻圖上會出現很多條橫條紋,而頻率范圍最小的那個橫條紋一般可以認為就是基頻的值;

諧波:除了基頻那個橫條紋以外,其他橫條紋就是各次諧波;

共振峰:頻譜上包絡的峰值;

本文中介紹的demo如下圖所示,其中包含基頻估計的參數設計、振幅和頻率調制、頻率解調制、濾波等可視化窗口。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 分類器
    +關注

    關注

    0

    文章

    152

    瀏覽量

    13179
  • 數據集
    +關注

    關注

    4

    文章

    1208

    瀏覽量

    24690
  • 遷移學習
    +關注

    關注

    0

    文章

    74

    瀏覽量

    5559

原文標題:語音情緒識別|聲源增強|基頻可視化

文章出處:【微信號:DeepLearningDigest,微信公眾號:深度學習每日摘要】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    說話識別和驗證系統解決方案

    說話識別和驗證系統的應用與日俱增。該技術的使用有助于控制和訪問自動駕駛汽車、計算機、手機和其他設備。還建立了各種機器學習模型來保護說話
    的頭像 發表于 07-26 10:16 ?2157次閱讀
    <b class='flag-5'>說話</b><b class='flag-5'>人</b><b class='flag-5'>識別</b>和驗證系統解決方案

    labview說話語音識別相關的VI

    這是說話語音識別的相關資料,大神們來看看啊,順便幫小弟做一個用電腦麥克風識別說話的程序,謝啦
    發表于 05-31 15:17

    FPGA和Nios_軟核的語音識別系統的研究

    FPGA和Nios_軟核的語音識別系統的研究引言語音識別的過程是一個模式匹配的過程 在這個過程中,首先根據說話
    發表于 08-11 11:47

    會物體識別語音識別的nao機器

    是nao機器的偉大之處。面部探測與識別這是最廣為人知的一項互動功能。nao機器可探測并學習記憶不同的面部,此后,它可對其進行識別
    發表于 02-13 14:09

    請問電銷機器智能語音識別的原理是什么?

    讓機器聽懂人們說話,還要讓機器能夠與人對話的技術更是已經研究了30年之久。在今天,科幻電影里才會出現的,能夠與人類自如交談的機器終于出現了。那么,這些電銷機器
    發表于 06-12 14:03

    基于DSP嵌入式說話識別系統該怎么設計?

    說話人身份識別屬于生物認證技術的一種,是一項根據語音中反映說話人生理和行為特征的語音參數來自動識別說話
    發表于 11-04 07:34

    基于TMS320C6701EVM板的快速說話識別系統

    本文在TMS320C6701EVM 板的基礎上實現一種快速的說話識別系統。本文提出一種基于段級語音特征的說話
    發表于 07-30 15:53 ?17次下載

    基于TMS320C6701EVM板的快速說話識別系統

    本文在TMS320C6701EVM板的基礎上實現一種快速的說話識別系統。本文提出一種基于段級語音特征的說話
    發表于 08-05 16:25 ?0次下載

    基于DTW的編碼域說話識別研究

    摘要! 相對解碼重建后的語音進行說話識別從VOIP的語音流中直接提取語音特征參數進行
    發表于 11-22 14:59 ?0次下載

    基于PAD情緒模型的情感語音識別

    基于PAD情緒模型的情感語音識別_宋靜
    發表于 01-08 14:47 ?0次下載

    語音識別系統中增加圖像識別技術的設計應用

    貢獻。讓機器識別語音的困難在某種程度上就像一個外語不好的人聽外圍講話一樣,它與說話說話速度
    發表于 12-01 14:52 ?3241次閱讀
    <b class='flag-5'>語音</b><b class='flag-5'>識別</b>系統中增加圖像<b class='flag-5'>識別</b>技術的設計應用

    基于MAP+CMLLR的說話識別中發聲力度問題

    說話特征。其中,MAP自適應方法用于對正常語音訓練的說話模型進行更新,而CMLLR特征空間投
    發表于 12-05 15:21 ?0次下載
    基于MAP+CMLLR的<b class='flag-5'>說話</b><b class='flag-5'>人</b><b class='flag-5'>識別</b>中發聲力度問題

    基于CS的說話識別算法

    ,即建立說話語音特征數據庫和基追蹤匹配得到最大均值系數,其中,語音特征向量由GMM 均值超向量核算法得到,大量實驗數據表明,該方法定程度上提高了識別率,并且在
    發表于 01-18 17:33 ?3次下載
    基于CS的<b class='flag-5'>說話</b><b class='flag-5'>人</b><b class='flag-5'>識別</b>算法

    如何使用多特征i-vector進行短語音說話識別算法說明

    當測試語音時長充足時,單一特征的信息量和區分性足夠完成說話識別任務,但是在測試語音很短的情況下,語音
    發表于 12-14 13:42 ?6次下載
    如何使用多特征i-vector進行短<b class='flag-5'>語音</b><b class='flag-5'>說話</b><b class='flag-5'>人</b><b class='flag-5'>識別</b>算法說明

    基于TDSDM642EVM數字處理芯片實現實時說話識別系統的設計

    說話識別又稱聲紋識別,是通過說話的聲音特征進行身份認證的一種生物特征
    發表于 08-06 13:17 ?832次閱讀
    基于TDSDM642EVM數字處理芯片實現實時<b class='flag-5'>說話</b><b class='flag-5'>人</b><b class='flag-5'>識別</b>系統的設計
    主站蜘蛛池模板: 亚洲AV无码一区二区色情蜜芽| 日韩成人在线视频| 毛片TV网站无套内射TV网站| 久拍国产在线观看| 免费毛片a在线观看67194| 欧洲美女高清一级毛片| 日韩爽爽影院在线播放| 午夜视频在线网站| 亚洲一级电影| 99久久蜜臀亚洲AV无码精品| 插骚妇好爽好骚| 国产精品久久久久一区二区三区| 国产曰批试看免费视频播放免费| 久久99AV无色码人妻蜜柚| 美女张开让男生桶| 三级aa久久| 亚洲精品久久7777777| 在线一本码道高清| 爱情岛论坛免费在线观看| 国产久青青青青在线观看| 久久精品国产亚洲AV蜜臀| 啪啪漫画无遮挡全彩h同人| 午夜影院和视费x看| 中文字幕AV亚洲精品影视| 把腿张开再深点好爽宝贝| 国产视频精品免费| 蜜桃成熟时2在线| 撕烂衣服扒开胸罩揉爆胸| 樱桃BT在线观看| 超碰97 总站 中文字幕| 护士日本xx厕所| 情欲.美女高潮| 亚洲最大日夜无码中文字幕| adc影院在线| 国产一区二区免费在线观看| 年轻的女教师2017韩国在线看| 无码人妻精品国产婷婷| 最新男同鸭子ktv| 国产久爱青草视频在线观看| 蜜柚影院在线观看免费高清中文 | 国产在线观看的|