文献

J-GLOBAL ID：202302229931320529   整理番号：23A0888482

音声強調性能改善に向けたデータ拡張手法導入の検討

Investigation of introducing data augmentation methods to improve speech enhancement performance

著者 (4件)： 春日玲人 (埼玉大) ,  杉浦陽介 (埼玉大) ,  安井希子 (埼玉大) ,  島村徹也 (埼玉大)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 122  号： 410(SIS2022 40-58)  ページ： 64-69 (WEB ONLY)  発行年： 2023年02月23日 
JST資料番号： U2030A  ISSN： 2432-6380  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： 音声強調の分野は世界中で幅広く研究が行われており,多くの音声強調手法が提案されている.一方で,高性能な音声強調ネットワークの学習に耐えうる大規模音声データセットは依然として少なく,現状では汎用性の高いモデルを作成することは困難であり,過学習が発生しやすい状況となっている.この課題を解決するためには,少ないデータセットから大規模なデータセットを作成することを可能とし,モデルの汎化性能を高める手法が有効であると考えられる.そこで,本論文では,音声認識の分野において優れた性能を発揮しているSpecAugmentというデータ拡張手法を音声強調ネットワークに導入することで,データサイズの問題の解決を図り,音声強調性能の改善を試みる.(著者抄録)

シソーラス用語： *音声強調 ,  音声認識 ,  データ処理 ,  集合 ,  機械学習 ,  損失関数 ,  周波数領域 ,  データ拡張 ,  過剰適合
準シソーラス用語： データ拡大 ,  過学習【機械学習】 ,  大規模データ集合

分類 (1件)： 音声処理  (JE05000E)

引用文献 (12件)：

• Choi, Hyeong-Seok, et al. ′′Phase-aware speech enhancement with deep complex u-net.′′ International Conference on Learning Representations. 2018.
• Koizumi, Yuma, et al. ′′Speech enhancement using self-adaptation and multi-head self-attention.′′ICASSP 2020-2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE, 2020.
• Fu, Szu-Wei, et al. ′′Metricgan: Generative adversarial networks based black-box metric scores optimization for speech enhancement.′′ International Conference on Machine Learning. PMLR, 2019.
• Pascual, Santiago, Antonio Bonafonte, and Joan Serra. ′′SEGAN: Speech enhancement generative adversarial network.′′ in Proc. of INTERSPEECH 2017.
• C. Macartney and T. Weyde, “Improved speech enhancement with the Wave-U-Net,” in Proc. of NIPS 2018, Montreal, Canada, Nov. 2018.

タイトルに関連する用語 (4件)： 音声強調 ,  性能改善 ,  データ拡張 ,  手法