文献

J-GLOBAL ID：201402208924935520   整理番号：14A1320244

Deep Neural Networkを用いたマルチモーダル音声認識

著者 (5件)： 野田邦昭 (早稲田大) ,  山口雄紀 (京大) ,  中臺一博 (HRI-JP) ,  奥乃博 (京大) ,  尾形哲也 (早稲田大)
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： 32nd  ページ： ROMBUNNO.1I1-04  発行年： 2014年09月04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： 2種類のDeep Neural Networkを音響および画像特徴の抽出に用い,マルチストリームHMMを視聴覚統合に用いたマルチモーダル音声認識システムを提案する。独立単語認識による評価の結果,提案手法による画像特徴はPCAなどの次元圧縮手法による特徴量と比較して高い認識率を実現した。また,提案手法による音響特徴はMFCCと比較して雑音に対して高い頑健性を実現した。さらに,視聴覚統合音声認識を行うことで,雑音環境下でもより高い認識率を維持できることを確認した。(著者抄録)

シソーラス用語： ヒューマンインタフェイス ,  機械学習 ,  ニューラルネットワーク ,  *音声認識 ,  データ転送 ,  多重処理 ,  多モード ,  特徴抽出 ,  比率 ,  音環境 ,  統合 ,  ヒューマンロボットインタラクション ,  画像特徴抽出 ,  雑音環境 ,  *視聴覚統合 ,  深層学習 ,  *ヒューマンコンピュータインタラクション
準シソーラス用語： *ヒューマンマシンインタラクション ,  マルチストリーム ,  認識率

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  ロボットの設計・製造・構造要素  (IC04013A)

タイトルに関連する用語 (2件)： マルチモーダル ,  音声認識