文献

J-GLOBAL ID：201702210469056392   整理番号：17A1385400

ビームフォーミング,ロバスト特徴抽出,および高度DNN/RNNバックエンドを統合した複数マイクロホン音声認識【Powered by NICT】

Multi-microphone speech recognition integrating beamforming, robust feature extraction, and advanced DNN/RNN backend

著者 (9件)： Hori Takaaki (Mitsubishi Electric Research Laboratories, Cambridge, MA, USA) ,  Chen Zhuo (Mitsubishi Electric Research Laboratories, Cambridge, MA, USA) ,  Chen Zhuo (Columbia University, New York, NY, USA) ,  Erdogan Hakan (Mitsubishi Electric Research Laboratories, Cambridge, MA, USA) ,  Erdogan Hakan (Sabanci University, Istanbul, Turkey) ,  Hershey John R. (Mitsubishi Electric Research Laboratories, Cambridge, MA, USA) ,  Le Roux Jonathan (Mitsubishi Electric Research Laboratories, Cambridge, MA, USA) ,  Mitra Vikramjit (SRI International, Menlo Park, CA, USA) ,  Watanabe Shinji (Mitsubishi Electric Research Laboratories, Cambridge, MA, USA)
資料名： Computer Speech and Language  (Computer Speech and Language)
巻： 46  ページ： 401-418  発行年： 2017年 
JST資料番号： T0677A  ISSN： 0885-2308  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本論文では,第三回CHiME音声分離および認識チャレンジ(CHiME 3)とその拡張に提出されたマルチマイクロホン音声認識システムの詳細な提示を示した。提案したシステムは,言語モデリングへのフロントエンド音声強調からモデルを通してリカレントニューラルネットワーク(RNN)を利用した。三種類のビームフォーミングの単一高品質信号を得るためにマルチマイクロホン信号を結合するために使用されている。ビーム成形信号は,単一チャネル長い短期記憶(LSTM)増強ネットワークで処理し,それを用いて積層したメル周波数ケプストラム係数(MFCC)特徴を抽出することである。添加では,ビーム成形信号は二つの提案した雑音にロバストな特徴抽出法によって処理した。すべての特徴は,雑音の多い環境で,高い認識精度を達成するための深層ニューラルネットワーク(DNN)に基づく音響モデルと大規模RNN言語モデルを用いた音声認識システムにおける復号化のための使用されている。訓練方法論は,マルチチャネルノイズの多いデータ訓練と話者適応訓練を含んでいるが,試験時間モデルの組み合わせは,一般化を改善した。CHiME3ベンチマークの結果は技術フルセットは実質的に単語誤り率(WER)を減少することを示した。異なるビーム成形とロバストな特徴システムからの仮説の結合は最終的に実部品テストデータに対して5.05%WER,32.99%WERのベースラインと比較して84.7%減少し,9.1%のWERの公式CHiME3挑戦結果から44.5%削減を達成した。さらに,この最終結果であるCHiMEチャレンジ3で報告された最良の結果(5.8% WER)よりも良好であった。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *特徴抽出 ,  単語 ,  ネットワーク ,  誤り率 ,  ニューラルネットワーク ,  *ビーム成形 ,  雑音 ,  *マイクロホン ,  周波数 ,  *ロバスト性 ,  *音声認識 ,  言語モデル
準シソーラス用語： 音響モデル ,  認識精度 ,  音声認識システム , 【Automatic Indexing@JST】

著者キーワード (5件)： CHiME3 ,  ロバスト音声認識 ,  ビームフォーミング ,  雑音ロバストな特徴 ,  システム組合せ

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (9件)： ビームフォーミング ,  ロバスト ,  特徴抽出 ,  高度 ,  RNN ,  バックエンド ,  統合 ,  マイクロホン ,  音声認識