文献

J-GLOBAL ID：201802241039994433   整理番号：18A2034037

事前訓練された畳込みニューラルネットワークを用いた超音波画像からの調音特徴抽出【JST・京大機械翻訳】

Articulatory feature extraction from ultrasound images using pretrained convolutional neural networks

著者 (2件)： Xu Kele (School of Comput., National Univ. of Defense Technol., 16 Rue Flatters, Paris 75005, France, [e-mail]) ,  Zhu Jian (Dept. of Linguist, Univ. of Michigan, Ann Arbor, MI)
資料名： Journal of the Acoustical Society of America  (Journal of the Acoustical Society of America)
巻： 144  号： 3  ページ： 1907  発行年： 2018年 
JST資料番号： C0249A  ISSN： 0001-4966  CODEN： JASMAN  資料種別： 逐次刊行物 (A)
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： 特徴抽出は超音波舌画像解析に非常に重要である。深い学習の最近の成功に触発されて,前訓練畳込みニューラルネットワーク(CNN)を用いた超音波舌画像からの特徴抽出のための新しいアプローチを探索した。VGGNetとResNetを含む異なる事前訓練CNNからのボトルネック特徴を超音波舌画像の表現として用いた。次に,画像分類タスクを実行して,CNNベースの特徴の有効性を評価した。著者らのデータセットは,Mandarin中国人の女性話者から収集された20,000の超音波舌画像から構成されており,それは以下の子音の一つである:/p,t,k,l/を含むように人手でラベル付けされている。実験結果は,CNNベースの特徴に関して訓練された勾配ブーストマシン(GBM)分類装置が最良の性能を達成することを示し,主成分分析(PCA)を用いて抽出された特徴に関して訓練されたベンチマークGBM分類器を上回り,87.5%の精度を達成した。この予備データセットにおいて,特徴抽出の方法はPCAベースの方法より優れていることが分かった。本研究では,超音波舌画像解析タスクに事前訓練畳込みニューラルネットワークを適用する可能性を実証した。Copyright 2018 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 子音 ,  *画像 ,  *調音 ,  分類装置 ,  主成分分析 ,  画像分析 ,  *特徴抽出 ,  女性 ,  *超音波 ,  ベンチマーク ,  *超音波画像
準シソーラス用語： 話者 ,  中国人 ,  画像分類 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 生体計測  (EL03020C) ,  医療用機器装置  (GA05020L)

タイトルに関連する用語 (5件)： 訓練 ,  畳込みニューラルネットワーク ,  音波画像 ,  調音 ,  特徴抽出