文献

J-GLOBAL ID：201402253361863965   整理番号：14A0090435

LSTMリカレントニューラルネットワークによる日常生活音声区間検出とそのハリウッド映画への応用

REAL-LIFE VOICE ACTIVITY DETECTION WITH LSTM RECURRENT NEURAL NETWORKS AND AN APPLICATION TO HOLLYWOOD MOVIES

著者 (4件)： EYBEN Florian (Techische Univ. Muenchen, DEU) ,  WENINGER Felix (Techische Univ. Muenchen, DEU) ,  SQUARTINI Stefano (Univ. Politecnica delle Marche, Ancona, ITA) ,  SCHULLER Bjoern (Techische Univ. Muenchen, DEU)
資料名： Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing  (Proceedings. IEEE International Conference on Acoustics, Speech and Signal Processing)
巻： 2013 Vol.1  ページ： 483-487  発行年： 2013年 
JST資料番号： E0316B  ISSN： 1520-6149  資料種別： 会議録 (C)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 音声区間検出は,自動音声認識やオーディオ符号化など種々の業務で重要な役割を果たす。各種手法が提案されているが,背景雑音の多い場合にその性能は劣化する。本論文は,伝統的なフレームごと特徴は利用するが,分類器が入力の動特性を学習し,先行する入力を現行フレームの決定に適応的に利用する新しい音声区間検出法を提案した。この手法は,Hermanskyが示した標準のPASTA-PLP(知覚線形予測)フロントエンド特徴で訓練する,LSTM(長短期記憶)リカレントニューラルネットワークを利用した。評価用のデータ集合として,雑音を制御した条件下での自発および読取り音声の合成データと,高度に非定常雑音を含むハリウッド映画のオーディオトラックを使用した。実験の結果,フレームごと等誤り率として33.2%などの,3種の最新アルゴリズムよりも良好な性能を達成した。

シソーラス用語： *信号検出 ,  雑音 ,  音響特性 ,  自動分類 ,  信号フレーム ,  動特性 ,  線形予測 ,  音声知覚 ,  *神経回路網 ,  映画 ,  データ ,  誤り率 ,  アルゴリズム ,  生活 ,  SN比 ,  *音声分析
準シソーラス用語： PSNR ,  オーディオデータ ,  *リカレントニューラルネットワーク ,  *音声区間検出 ,  *音声検出 ,  音声特徴 ,  検出アルゴリズム ,  日常生活 ,  背景雑音 ,  非定常雑音

分類 (2件)： 音声処理  (JE05000E) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： LSTM ,  リカレントニューラルネットワーク ,  日常生活 ,  音声区間検出 ,  映画 ,  応用