文献

J-GLOBAL ID：201902291954479980   整理番号：19A0121578

模擬残響音声データの増強による雑音除去自動符号器の多条件訓練【JST・京大機械翻訳】

Multi-Condition Training of Denoising Autoencoder by Augmenting Simulated Reverberant Speech Data

著者 (3件)： Nahar Raufun (Graduate School of Science and Technology, Shizuoka University, Japan) ,  Kawai Takashi (Graduate School of Science and Technology, Shizuoka University, Japan) ,  Kai Atsuhiko (Graduate School of Science and Technology, Shizuoka University, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： GCCE  ページ： 334-338  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： 音声認識タスクが自動音声認識システム(ASR)によって行われるとき,それは常にノイズを処理して,自然環境における音声と混合されて,それは難問である。最近,DNNベースASRシステムは他の方法よりも優れた性能を示している。また,DNNに対する訓練データの増加が有効であることが証明されている。しかし,実世界では,DNNを訓練するためのデータを収集するために多くの例外がある。その場合,性能が増加する残響データの特性を見出すことができれば,音声認識の分野において大きな助けとなる。本研究では,ANNベースASRフロントエンドを訓練するために使用されるデータに対する人工残響条件の影響を解析した。訓練データセットに対する実際の雑音記録を用いる代わりに,模擬残響をクリーンな音声に加えることにより生成された適切な人工データを用いることにより,データセットを強化する可能性がある。模擬残響の場合,室内インパルス応答(RIR)と直接対残響エネルギー比(DRR)の範囲は,認識の精度に影響するシステムの訓練において重要な役割を果たす。本論文における著者らの解析は,訓練データ量を増やすことなくデータをシミュレーションするために最適なRIR条件を見つける方法を検討した。Copyright 2019 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： *雑音 ,  音声認識 ,  自然環境 ,  雑音除去 ,  符号器 ,  *残響
準シソーラス用語： 訓練データ ,  音声データ , 【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 (6件)： 残響 ,  音声データ ,  増強 ,  雑音除去 ,  符号器 ,  訓練