文献

J-GLOBAL ID：201502243461572935   整理番号：15A0216186

Denoising Autoencoderを用いた残響下大語彙音声認識の検討

著者 (5件)： 小宮山大樹 (千葉大) ,  石井敬章 (千葉大) ,  篠崎隆宏 (東京工大) ,  堀内靖雄 (千葉大) ,  黒岩眞吾 (千葉大)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2013  号： SLP-97  ページ： WEB ONLY VOL.2013-SLP-97,NO.1  発行年： 2013年07月18日 
JST資料番号： U0451A  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： Denoising Autoencoderを用いて残響が重畳した対数パワースペクトルからその影響を除去した対数パワースペクトルを生成する手法を提案する。音声の時間変化をモデル化するため,提案法では連続した複数の短時間分析窓によるスペクトルフレームを連結したものをネットワークの入力として用いる。さらに,音声認識に必要なサブ音素レベルでの時間分解能を維持しながら時定数の大きな残響の影響をより正しく捕らえることを目的として,長さの異なる2つの分析窓長を併用する拡張手法を提案する。実験では,CENSREC-4を用いた数字音声認識により提案法が従来手法よりも効果的であることを示す。さらに,JNASを用いた音声認識を行い,提案法が大語彙連続音声認識においても耐残響フロントエンドとして有効であることを示す。(著者抄録)

シソーラス用語： *残響 ,  *音声認識 ,  *語彙 ,  パワースペクトル ,  経時変化 ,  モデリング ,  ネットワーク構造 ,  時間分解能 ,  評価試験 ,  数字 ,  大規模系 ,  耐性 ,  コーパス ,  新聞
準シソーラス用語： *大語彙音声認識 ,  対数パワースペクトル ,  残響耐性

分類 (3件)： 音響の励起・発生  (BB03020V) ,  パターン認識  (JE07000S) ,  情報加工一般  (AC05010A)

引用文献 (13件)：

• Kumatani, K., McDonough, J. and Raj, B.: Microphone Array Processing for Distant Speech Recognition: From Close-Talking Microphones to Far-Field Sensors, Signal Processing Magazine, IEEE, Vol. 29, No. 6, pp. 127-140 (2012).
• Gelbart, D. and Morgan, N.: Evaluating Long-Term Spectral Subtraction For Reverberant ASR, IN ASRU, MADONNA DI CAMPIGLIO, pp. 103-106 (2001).
• Ganapathy, S., Pelecanos, J. and Omar, M.: Feature normalization for speaker verification in room reverberation, Acoustics, Speech and Signal Processing (ICASSP), 2011 IEEE International Conference on, IEEE, pp. 4836-4839 (2011).
• Hinton, G. and Salakhutdinov, R.: Reducing the dimensionality of data with neural networks, Science, Vol. 313, No. 5786, pp. 504-507 (2006).
• Vincent, P., Larochelle, H., Lajoie, I., Bengio, Y. and Manzagol, P. A.: Stacked Denoising Autoencoders: Learning Useful Representations in a Deep Network with a Local Denoising Criterion, J. Mach. Learn. Res., Vol. 11, pp. 3371-3408 (2010).

タイトルに関連する用語 (3件)： 残響 ,  語彙 ,  音声認識