文献

J-GLOBAL ID：201702252933070620   整理番号：17A1096035

音声話し言葉用語検出のための交差データベース視聴覚音声適応【Powered by NICT】

Cross database audio visual speech adaptation for phonetic spoken term detection

著者 (3件)： Kalantari Shahram (Speech, Audio, Image and Video Technology Lab, Queensland University of Technology, Australia) ,  Dean David (Speech, Audio, Image and Video Technology Lab, Queensland University of Technology, Australia) ,  Sridharan Sridha (Speech, Audio, Image and Video Technology Lab, Queensland University of Technology, Australia)
資料名： Computer Speech and Language  (Computer Speech and Language)
巻： 44  ページ： 1-21  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： 大量音声セグメントのに規定された検索語の発生をすべて見つけるのプロセス,音声用語検出(STD)は情報のマルチメディア探索および検索において多くの応用がある。唇運動の形でビデオ情報の使用は,オーディオ雑音の存在下におけるSTDの性能を改善できることが知られている。しかし,この方向での研究開発のための大規模なアノテーション付きオーディオビジュアルデータベースの利用できないことにより妨げられてきた。小(低資源)オーディオビジュアルデータベース開発のための利用可能な唯一の場合オーディオビジュアル話し言葉用語検出を開発するための新しいアプローチを提案した。最初に,断面データベース訓練は融合隠れMarkovモデル(HMM)法を用いた新しいフレームワーク,広範な大きなと公的に利用可能な音声データベースを用いた音声モデルを訓練するために使用されているとして提案した。,与えられたオーディオビジュアルデータベースの視覚データに適応した。このアプローチは,標準的なHMM合同訓練法よりも良好に機能することが示され,またインデクシング段階で使用した場合,話し言葉用語検出の性能を改善する。もう一つの試みでは,外部音響モデルを最初に与えられたオーディオビジュアルデータベースの音声データに適用した,それらは視覚データに適応した。このアプローチはまた,電話認識と話し言葉用語検出精度の両方を改善した。最後に,断面データベース訓練法は,HMM初期化として使用され,余分なパラメータ再推定段階はバウムWelch法を用いて初期化モデルに適用した。オーディオビジュアルモデル学習のための提案手法が利用可能であることをドメイン音声データベースの広範な,より正確なオーディオビジュアルモデルを作成するために開発した小さなオーディオビジュアルデータベースの両者の利点を可能にした。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： 隠れMarkovモデル ,  索引語 ,  雑音 ,  *話し言葉 ,  音声データベース ,  マルチメディア ,  アノテーション ,  *データベース ,  電話 ,  視覚 ,  オーディオ機器
準シソーラス用語： 音声データ ,  音響モデル ,  オーディオビジュアル ,  *視聴覚 , 【Automatic Indexing@JST】

著者キーワード (4件)： 音声用語検出 ,  同期隠れMarkovモデル ,  データベースの相互訓練 ,  電話認識

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 音声 ,  話し言葉 ,  用語 ,  交差 ,  データベース ,  視聴覚 ,  適応