文献

J-GLOBAL ID：201802244299681447   整理番号：18A1771856

一般化交差相関入力とマルチタスク学習による多チャネル音声認識の改善【JST・京大機械翻訳】

Improving Multichannel Speech Recognition with Generalized Cross Correlation Inputs and Multitask Learning

著者 (4件)： Zhang Yu (Key Laboratory of Speech Acoustics and Content Understanding, Institute of Acoustics, China) ,  Li Wenjie (Key Laboratory of Speech Acoustics and Content Understanding, Institute of Acoustics, China) ,  Zhang Pengyuan (Key Laboratory of Speech Acoustics and Content Understanding, Institute of Acoustics, China) ,  Yan Yonghong (Key Laboratory of Speech Acoustics and Content Understanding, Institute of Acoustics, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 5704-5708  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： マイクロホンアレイからの音響信号を用いて,空間情報の利用可能性により遠隔音声認識における性能を改善した。そして,多チャネル自動音声認識(ASR)システムは音響モデリングから音声強調モジュールをしばしば分離する。それは認識精度を改善するために最適でないかもしれない。本研究では,通常の音響特徴と平行して,長い短期メモリ(LSTM)音響モデルに対する入力特徴として,空間情報を符号化するマイクロホン間の一般化相互相関(GCC)を提供することにより,多チャネル音声認識を改善することを提案した。さらに,マルチタスク学習アーキテクチャを組み込み,モデルのロバスト性を改善する能力を示した。著者らは,AMIとICSI会議コーパスに関する実験を行い,提案したモデルが,多重マイクロホン出力の連結とビーム形成チャネル上で訓練されたモデルに直接訓練されたモデルより性能が優れていることを示した。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： *音声認識 ,  記憶装置 ,  マイクロホン ,  多重化 ,  音波信号 ,  *チャネル ,  音声強調 ,  計算機アーキテクチャ ,  ロバスト性 ,  ビーム成形 ,  コーパス
準シソーラス用語： *マルチチャネル ,  自動音声認識 ,  認識精度 ,  マイクロホンアレイ , 【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 (5件)： 一般化 ,  交差相関 ,  マルチタスク学習 ,  多チャネル ,  音声認識