文献

J-GLOBAL ID：201802257709438571   整理番号：18A1770791

DNNに基づく大規模オーディオ分類のためのモデル複雑性の低減【JST・京大機械翻訳】

Reducing Model Complexity for DNN Based Large-Scale Audio Classification

著者 (2件)： Wu Yuzhong (Department of Electronic Engineering, The Chinese University of Hong Kong) ,  Lee Tan (Department of Electronic Engineering, The Chinese University of Hong Kong)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 331-335  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： オーディオ分類は,与えられた音声信号に関連する音のカテゴリを同定するタスクである。本論文では,最近発表されたAudiSetデータベースに基づく大規模オーディオ分類に関する研究を提示した。AudioSetはYouTubeからの2百万のオーディオサンプルから成り,それは527の音響カテゴリラベルで人間が注釈されている。異なるタイプのニューラルネットワークモデルを適用することにより,バランスした訓練集合による音声分類実験とAudiSetの評価セットを実行した。これらのモデルの分類性能とモデル複雑性を比較して分析した。CNNモデルはMLPとRNNよりも優れた性能を示すが,そのモデル複雑性は比較的高く,実用化には望ましくない。低次元埋込み特徴抽出器を構築し,モデルパラメータの数を低減することを目的とした2つの異なる戦略を提案した。単純化したCNNモデルは,元のモデルの1/22モデルパラメータのみを持ち,性能のわずかな劣化を伴うことを示した。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： 簡素化 ,  データベース ,  音響 ,  特徴抽出 ,  音声信号 ,  *オーディオ機器
準シソーラス用語： 神経回路網モデル ,  モデルパラメータ ,  *複雑性 ,  ユーチューブ ,  低次元 ,  *オーディオ分類 , 【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 (4件)： 大規模 ,  オーディオ分類 ,  モデル ,  複雑性