文献

J-GLOBAL ID：201602203404239070   整理番号：16A0143208

感情音声認識におけるDNNおよびCNNボトルネック特徴量の検討

Exploring CNN and DNN Bottleneck Features for Emotional Speech Recognition

著者 (5件)： 向原康平 (奈良先端科学技術大学院大) ,  SAKTI Sakriani (奈良先端科学技術大学院大) ,  吉野幸一郎 (奈良先端科学技術大学院大) ,  NEUBIG Graham (奈良先端科学技術大学院大) ,  中村哲 (奈良先端科学技術大学院大)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 115  号： 346(SP2015 70-84)  ページ： 81-87  発行年： 2015年11月25日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 話者感情の揺らぎは音声へ影響を与え,音声認識システムにおいてモデルとのミスマッチを発生させ認識精度を悪化させる。本研究では,DNNボトルネック特徴量およびCNNボトルネック特徴量を用いることを提案し,感情音声認識精度の改善を図る。ボトルネック構造のニューラルネットワークによって特徴量変換を施したボトルネック特徴量は,入力音声の変動に対して頑健な音響特徴量を抽出できることが示されている。ボトルネック特徴量とは,中間層のユニット数を少なくしたボトルネック構造の多層ニューラルネットワークから抽出する特徴量である。ボトルネック特徴量は特徴量強調が行われ,感情音声のゆらぎに左右されない音素の本質的な成分を抽出されていることが期待されている。本実験では感情音声に対してボトルネック特徴量変換を行い,それぞれの特徴量でGMM-HMM音響モデルを再学習する。この時のボトルネック音響モデルの感情音声に対する精度向上を確認する。また他の特徴量変換手法と組み合わせることで認識精度の向上を図る。DNN,CNNボトルネック特徴量を用いた認識精度はそれぞれのベースラインと比較し,認識精度の改善が確認できた。また他の特徴量変換手法の組み合わせにより認識精度の向上を確認できた。(著者抄録)

シソーラス用語： *音声認識 ,  人間 ,  感情 ,  ゆらぎ ,  *音声 ,  精度 ,  ロバスト性 ,  ニューラルネットワーク ,  畳込み ,  特徴抽出 ,  判別分析 ,  ディープニューラルネットワーク ,  ロバスト音声認識 ,  *感情音声
準シソーラス用語： 線形判別分析 ,  認識精度 ,  話者

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 感情 ,  音声認識 ,  CNN ,  ボトルネック ,  特徴量