文献

J-GLOBAL ID：201902255170726422   整理番号：19A0893283

Gated CNNを用いた劣悪な雑音環境下における音声区間検出

Voice activity detection under high levels of noise using gated convolutional neural networks

著者 (4件)： LI Li (筑波大 大学院システム情報工学研究科) ,  越野ゆき (筑波大 大学院システム情報工学研究科) ,  松本光雄 (筑波大 大学院システム情報工学研究科) ,  牧野昭二 (筑波大 大学院システム情報工学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 118  号： 495(EA2018 99-159)  ページ： 19-24  発行年： 2019年03月07日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 音声区間検出は音声処理技術において重要な役割を果たす基盤技術であり,様々な環境での高精度な検出が求められている.しかし,従来の音声区間検出手法では非定常雑音かつ低信号対雑音比の環境下において性能が劣化する傾向があり,災害現場や走行中の車のような非常に劣悪な実雑音環境での検出精度はまだ十分とは言えない.一方,最近の深層学習の発展に伴い,数多くの識別タスクにおいて大幅な性能向上が実現されている.そこで本稿では,深層学習の一種であるゲート付き畳み込みニューラルネットワークを用いた音声区間検出手法を提案する.更に,災害現場に対応するために開発された柔軟索状ロボットを用いて収録したロボットの自己雑音環境下において提案手法の性能評価を行う.(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *音環境 ,  雑音 ,  検出 ,  音声処理 ,  *音声認識 ,  音声信号 ,  機械学習 ,  性能評価 ,  知能ロボット ,  救助 ,  災害
準シソーラス用語： CNN ,  *音声区間検出 ,  災害救助ロボット ,  雑音環境 ,  畳込みニューラルネットワーク ,  深層学習

分類 (1件)： パターン認識  (JE07000S)

引用文献 (12件)：

• J. Ramirez, J. M. Górriz, and J. C. Segura, ′′Voice activity detection. fundamentals and speech recognition system robustness,′′ in Robust speech recognition and understanding. InTech, 2007.
• E. Verteletskaya, and B. Simak, ′′Speech distortion minimized noise reduction algorithm,′′ in Proc. the World Congress on Engineering and Computer Science, vol. 1, pp. 20-22, 2010.
• M. Sahidullah, and G. Saha, ′′Comparison of speech activity detection techniques for speaker recognition,′′ preprint arXiv:1210.0297, 2012.
• X. L. Zhang, and J. Wu, ′′Deep belief networks based voice activity detection,′′ IEEE Trans. on Audio, Speech, and Language Processing, vol. 21, no. 4, pp. 697-710.
• I. Tashev, and S. Mirsamadi, ′′DNN-based Causal Voice Activity Detector,′′ In Information Theory and Applications Workshop, 2016.

タイトルに関連する用語 (3件)： CNN ,  雑音環境 ,  音声区間検出