Шумоподавление на основе методов глубокого обучения

В этой статье предлагается метод улучшения речи с помощью глубокого обучения путем отделения речи от фоновых помех. В этом методе используется контролируемая обучающая архитектура нейронной сети. Усовершенствования достигнуты за счет новых способов проектирования наборов данных для обучения. Эксперимент показывает, что качество данных и их разнообразие - два важных характеристики. Эксперимент также открывает новый взгляд о возможных аугментациях для увеличения качества решения задачи.

Supervised speech denoising based on deep learning

This paper proposes a deep speech enhancement method by separating target speech from background interference. Which exploits supervised training neural network architecture. Method improved by new ways to design training datasets. Experiment show that the separation quality and diversity are two important and complementary assets of a good training dataset. Experiment also provide insights on possible transforms to perform data augmentation for this task.

Авторы
Издательство
Российский университет дружбы народов (РУДН)
Язык
Английский
Страницы
248-252
Статус
Опубликовано
Год
2021
Организации
  • 1 Российский университет дружбы народов
Ключевые слова
speech denoising; speech enhancement; speech separation; speaker separation deep learning; deep feature loss; speech quality measures; supervised speech separation; deep learning; Deep Neural Networks; шумоподавление речи; улучшение речи; разделение речи; меры качества речи; глубокое обучение; глубокие нейронные сети
Цитировать

Другие записи