使用三元组损失学习关键词检测的有效表示

Jan, 2021

使用三元组损失学习关键词检测的有效表示

Learning Efficient Representations for Keyword Spotting with Triplet Loss

Roman Vygon, Nikolay Mikhaylovskiy

TL;DR本文介绍一种利用三元组损失和变种 kNN 方法，以及基于音韵相似性的三元组挖掘方法相结合的表示学习技术，显著提高卷积网络的分类准确率，特别在语音识别领域中。作者还在 Google 语音命令数据集 V1 和 V2 中刷新最佳 SOTA 并超过 50% 的准确率提升。

Abstract

In the past few years, triplet loss-based metric embeddings have become a de-facto standard for several important computer vision problems, most no-tably, person reidentification. On the other hand, in the area o

triplet loss metric embeddings speech recognition representation learning classification accuracy

发现论文，激发创造

学习图像聚类嵌入：三元组损失方法实证研究

本文在嘈杂标签的假设下，使用 Triplet Loss 训练卷积神经网络学习能区分特征，并通过 K-means 和相关聚类评估三种 Triplet Loss 公式的聚类性能，提出一个新的公式优于现有方法，应用于 CIFAR-10 图像分类数据集。

Jul, 2020

辩护度量学习在说话人识别中的应用

本文针对未知说话人的 “开放式” 说话人识别问题，提出了一种度量学习的方法，该方法使用紧凑的嵌入来表示语音信息，并对最流行的损失函数进行了广泛评估，结果表明该方法优于现有的先进方法。

Mar, 2020

学习语音的通用非语义表示

本篇文章提出了对非语义任务进行语音表征对比的基准，并提出了一种基于无监督三元组损失目标的表征方法，该方法在基准测试中表现优异，甚至在许多迁移学习任务中超越了最新技术水平；

Feb, 2020

使用三元组网络进行深度度量学习

本文提出了三元组网络模型，通过距离比较来学习有用的表示方法，在多个数据集上的结果显示其比竞争对手孪生网络学习了更好的表示方法，而且还探讨了其作为无监督学习框架的未来可能用途。

Dec, 2014

人物重识别中三元组损失的防御

该研究探讨了计算机视觉中人物重新识别子领域中三元组损失函数的表现，与其他损失函数相比，它能够更好地进行端到端的深度度量学习。

Mar, 2017

TristouNet：针对说话人转换嵌入的三元组损失

TristouNet 是一种基于长短时记忆递归神经网络的神经网络架构，用于将语音序列投影到一个固定维度的欧几里得空间中，通过三元组损失优化训练，得到的序列嵌入向量可直接用于说话人比较。实验表明，在短语音转换比较和说话人变换检测方面，TristouNet 在两个任务上均显著优于目前的最新技术。

Sep, 2016

基于质心的深度度量学习用于说话人识别

本研究通过利用神经网络将话语映射到一个距离反映说话人相似度的空间中的讲话人嵌入模型，优化了一种使用典型网络损失（PNL）的讲话人嵌入模型，从而优于基于三元组损失的模型，在见过和没见过讲话人的情况下，都能够在讲话人验证和识别任务中取得更好的性能

Feb, 2019

用于设备上关键词识别系统自定义的 Few-Shot 开放集学习

本研究针对 KeyWord Spotting 的应用场景，提出了基于 Deep Learning 和 Few-shot Learning 的开放式分类方法，并通过使用三元组损失训练编码器，实现了较高的精度和较低的未知数据虚警率。

Jun, 2023

通过自适应对比三元损失增强多语言中的成语表示

本文提出了一种采用三元损失、自适应对比学习和重采样挖掘器来建立一个适用于训练语言模型的成语感知的学习目标的方法，用于有效地对成语性进行建模，在 SemEval 挑战赛中获得了显著的性能提升。

Jun, 2024

关键词检测的度量学习

通过度量学习训练关键词识别的有效表示，提出一种新的基于度量学习的方法，可以对目标关键词和非目标关键词进行准确的识别，从而显著降低未知非目标关键词的误报率，并保持整体分类准确性。

May, 2020