[4I2-GS-7c] 画像音声メディア処理：音声認識と指示理解

[4I2-GS-7c-03] キーワードスポッティング向けNeural ODEを用いたパラメータ削減手法の提案

〇更田 裕司¹、森田 行則¹ (1. 産業技術総合研究所)

キーワード：キーワードスポッティング、ニューラルネットワーク、深層学習

近年高精度のキーワード音声認識（キーワードスポッティング）を実現する為に、ニューラルネットワークを用いる手法が多数提案されている。キーワードスポッティングはスマートスピーカーなどエッジデバイスで実行される事が通常で、ネットワークのパラメータ数や計算量の削減が求められる。そこで本稿では、ニューラルネットワークのパラメータ数を削減する手法として、常微分方程式に基づくニューラルネットワークであるNeural ODEを適用することを提案する。本技術を用いることで、キーワードスポッティングの精度を維持しつつパラメータ数を68%削減できることを示す。一方で、Neural ODEは、実行の際に常微分方程式を解く必要がある為、計算量が多いという課題がある。そこで、推論時の計算量を削減する手法も併せて提案する。