文献

J-GLOBAL ID：201802213815371014   整理番号：18A1771794

STOIとPESQを直接改善するための教師付き音声分離システムの訓練【JST・京大機械翻訳】

Training Supervised Speech Separation System to Improve STOI and PESQ Directly

著者 (3件)： Zhang Hui (College of Computer Science, Inner Mongolia University, China) ,  Zhang Xueliang (College of Computer Science, Inner Mongolia University, China) ,  Gao Guanglai (College of Computer Science, Inner Mongolia University, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 5374-5378  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 教師つき音声分離法は学習機械を訓練し,雑音のある音声をターゲットのクリーンな音声にキャストする。それらのほとんどは損失関数として平均二乗誤差(MSE)を使用する。しかし,MSEは人間の聴覚知覚に一致しないので完全な選択ではない。短時間客観的了解度(STOI)と音声品質の知覚評価(PESQ)は人間の聴覚知覚に密接に関連し,評価基準として音声分離研究に広く使われている。したがって,STOIとPESQは損失関数のためのより良い選択であるかもしれない。しかし,従来の勾配降下アルゴリズムでは最適化できない非微分関数である。本研究では,勾配近似法を用いてSTOIとPESQの勾配を計算した。次に,計算した勾配を勾配降下アルゴリズムに用いて,STOIとPESQを直接最適化した。実験結果は,提案した方法により音声分離性能を改善できることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  雑音 ,  *聴覚 ,  官能検査 ,  損失関数 ,  学習機械 ,  近似法 ,  微分 ,  評価基準
準シソーラス用語： 平均二乗誤差 ,  *音声分離 ,  音声品質 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 教師 ,  音声分離 ,  訓練