Recurrent Neural Networks for Voice Activity Detection

Source

• Evernote/Inbox/Recurrent Neural Networks for Voice Activity Detection.md

Summary

이 문서는 음성 활동 탐지(VAD)를 위한 새로운 재귀 신경망(RNN) 모델을 소개합니다. 다층 RNN 모델은 가우시안 혼합 모델(GMM)과 상태 머신(SM)으로 구성된 기존 베이스라인 시스템보다 성능이 우수합니다. RNN 모델은 모든 파라미터를 함께 최적화하여 시간적 연속성과 음향 특징 간의 균형을 적절히 조절합니다. 기존 시스템 대비 파라미터가 1/10 수준으로 줄어든 동시에, 오경보(false alarms)를 26% 감소시키고, 전체 음성 인식 계산 시간을 17% 단축하며, 단어 오류율(word error rate)을 1% 상대적으로 낮췄습니다.

Key Points

• 음성 활동 탐지(VAD)를 위한 다층 RNN 모델 제안
• 기존 GMM+SM 베이스라인 대비 파라미터 수 1/10 감소
• 오경보 26% 감소, 계산 시간 17% 단축, 단어 오류율 1% 상대적 감소
• 모든 파라미터의 통합 최적화를 통한 시간적 연속성 및 음향 특징의 균형 조절

Related

• Efficient Estimation of Word Representations in Vector Space

• 심층 신경망을 이용한 통계적 파라미터 음성 합성

• 대규모 분산 음향 모델링 및 백오프 N-그램

• 모바일 음성 검색을 위한 Google 쿼리 스트림의 언어 모델링 경험적 탐색

• WLAN-셀룰러 음성 핸드오버 평가를 위한 분석적 프레임워크

• FNED: 소셜 미디어 가짜 뉴스 조기 탐지를 위한 심층 신경망

• Language Model Verbalization for Automatic Speech Recognition

• 이웃 커버리지 기반 확률적 재전송을 통한 MANET 라우팅 오버헤드 감소

• 영어 책 코퍼스 기반 시계열 구문 N-그램 데이터셋

• The Intervalgram: 대규모 커버송 인식을 위한 오디오 특징

• 음성 품질 지표의 배경 소음 및 네트워크 열화에 대한 강건성 비교 (VISQOL, PESQ, POLQA)

• Speaker Adaptation of Context Dependent Deep Neural Networks

• Accurate and Compact Large Vocabulary Speech Recognition on Mobile Devices

• Continuous Birdsong Recognition Using Gaussian Mixture Modeling of Image Shape Features

• 언어 독립적 시간 표현 판별적 파싱 (Language-Independent Discriminative Parsing of Temporal Expressions)

• Deep Learning in Speech Synthesis (Google Research Talk)

• 3음만으로 음악을 식별하는 알고리즘 개발

• Latent Mixture of Discriminative Experts (LMDE)

• Anomaly Extraction in Backbone Networks Using Association Rules

• 오프라인 아랍어 손글씨 인식 기술 동향 (A Survey)

• iVector-based Acoustic Data Selection

• DurIAN_4S: 말하기 데이터로부터 노래 합성 학습

• Moment-Based Spectral Analysis of Large-Scale Networks Using Local Structural Information

• Speech and Natural Language: Where Are We Now And Where Are We Headed

• Language Modeling Capitalization

• AGC 및 다중 스타일 학습을 통한 소형 키워드 스포팅

• Coordinated Multi-Device Presentations: Ambient-Audio Identification

• Target Language Adaptation of Discriminative Transfer Parsers

• KamitaniLab DeepImageReconstruction 데이터 및 데모 코드

• Improved Domain Adaptation for Statistical Machine Translation

• Universal Dependency Annotation for Multilingual Parsing

• 중첩 커뮤니티 탐지 알고리즘 비교 연구 요약

• Efficient Multiview Maintenance under Insertion in Huge Social Networks

• Social Event Classification via Boosted Multimodal Supervised Latent Dirichlet Allocation

• Life of Pi 의 털 렌더링 기술 (Rendering Fur in Life of Pi)

• SOINN (Self-Organizing Incremental Neural Network)

• Facebook, 일부 딥러닝 도구 오픈소스화

• 오디오 처리를 위한 동기식 프로그래밍: 룩업 테이블 오실레이터 사례 연구

• Efficient Closed-Form Solution to Generalized Boundary Detection

• Information-Theoretic Outlier Detection for Large-Scale Categorical Data

• 모바일 네트워크 데이터를 활용한 도시 감지 연구 조사

• Hoeffding 경계 기반 온라인 및 비모수 드리프트 탐지 방법

• Image Annotation in Presence of Noisy Labels

• A survey of trust in social networks

• 동적 스타 네트워크에서 다중 유형 객체의 공진화 (Co-Evolution of Multi-Typed Objects in Dynamic Star Networks)

• 심층 피처 합성 (Deep Feature Synthesis) 개요

• 내가 찾은 Deep Learning 공부 최단경로(?)

• 신경망을 이용한 자기 학습 헬리콥터

• Smooth Nonnegative Matrix Factorization for Unsupervised Audiovisual Document Structuring

• Behavioural reconfigurable and adaptive data reduction in body sensor networks

• Defunctionalized Interpreters for Call-by-Need Evaluation

• GRE 모델: 무작위 도로 네트워크 모델 및 모바일 DTN 토폴로지 특성 영향

• Google SyntaxNet 오픈소스 공개 및 원리

• Deep Learning via Semi-Supervised Embedding

• 멀티미디어 공유 웹사이트에서의 사회적 영향력 분석 및 적용

• 대규모 희소 네트워크의 커뮤니티 검출을 위한 의사 가능도 방법

• MOWL: 웹 기반 멀티미디어 애플리케이션을 위한 온톨로지 표현 언어

• 대형 및 느슨한 커뮤니티의 압축 (Compacting Large and Loose Communities)

• Unsupervised Spatial Event Detection in Targeted Domains with Applications to Civil Unrest Modeling