摘要
我们提出一种名为ImportantAug的新方法，通过在语音信号的非关键区域添加噪声，而避免在关键区域引入噪声，从而对语音分类与识别模型的训练数据进行增强。该方法中的“重要性”由一个数据增强代理（data augmentation agent）预测，该代理在训练过程中被优化，以在尽可能多地添加噪声的同时，最小化对识别性能的影响。我们在Google语音命令数据集第二版（GSC v2）上验证了该方法的有效性。在标准GSC测试集上，与传统噪声增强方法（即不考虑噪声添加位置有效性而随机添加噪声）相比，ImportantAug实现了23.3%的相对错误率降低；相较于未使用数据增强的基线模型，错误率降低达25.4%。此外，在两个额外添加了噪声的测试集上，ImportantAug的表现也优于传统噪声增强方法和基线模型。