文献

J-GLOBAL ID：200902251052375376   整理番号：09A1020767

ロボット聴覚のための2階層視聴覚統合を用いた音声認識システムの検討

Automatic Speech Recognition Improved by Two-Layered Audio-Visual Integration For Robot Audition

著者 (4件)： 吉田尚水 (東京工大 大学院情報理工学研究科) ,  中臺一博 (東京工大 大学院情報理工学研究科) ,  中臺一博 (ホンダリサーチ・インスティチュート・ジャパン) ,  奥乃博 (京大 大学院情報学研究科)
資料名： 日本ロボット学会学術講演会予稿集(CD-ROM)  (日本ロボット学会学術講演会(CD-ROM))
巻： 27th  ページ： ROMBUNNO.1I3-04  発行年： 2009年09月15日 
JST資料番号： L4867A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ロボットによる実環境での音声認識では,雑音にロバストな音声認識が求められる。音声認識の性能は,音声認識エンジンの性能だけではなく発話区間検出の性能も大きく左右される。本稿では,2階層視聴覚統合により音声認識のロバスト性を向上させる手法を提案する。2階層視聴覚統合は,複数の特徴量を確率的統合するベイジアンネットに基づく視聴覚発話区間検出および音声/画像特徴量の信頼度の変化を扱うことができるミッシングフィーチャ-理論に基づく視聴覚音声認識から構成される。提案するアプローチを視聴覚音声認識システムに実装し,6種の雑音強度での評価実験を行い,平均9.8ポイントの単語正解精度向上を示した。(著者抄録)

シソーラス用語： *ロボット ,  聴覚 ,  *音声認識 ,  雑音 ,  ロバスト性 ,  発話 ,  ネットワーク ,  音声 ,  画像
準シソーラス用語： Bayesianネットワーク ,  *音声認識システム ,  視聴覚機器 ,  *視聴覚統合 ,  精度向上 ,  特徴量

分類 (2件)： ロボットの設計・製造・構造要素  (IC04013A) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ロボット ,  聴覚 ,  階層 ,  視聴覚統合 ,  音声認識システム