Réseaux de neurones convolutionnels pour la détection de mots-clés à faible empreinte

Nous explorons l'utilisation des réseaux de neurones convolutionnels (CNN) pour une tâche de détection de mots-clés (KWS) à faible empreinte. Les CNN sont attrayants pour le KWS car il a été démontré qu'ils surpassent les DNN avec beaucoup moins de paramètres. Nous considérons deux applications différentes dans notre travail, l'une où nous limitons le nombre de multiplications du système KWS, et une autre où nous limitons le nombre de paramètres. Nous présentons de nouvelles architectures CNN pour répondre aux contraintes de chaque application. Nous constatons que les architectures CNN offrent une amélioration relative de 27 à 44 % du taux de rejet faux par rapport à un DNN, tout en respectant les contraintes de chaque application.