文献

J-GLOBAL ID：202002211263424303   整理番号：20A1890511

スタック自動エンコーダに基づくロバストな話者認識【JST・京大機械翻訳】

Robust Speaker Recognition Based on Stacked Auto-encoders

著者 (5件)： Wang Zhifeng (Department of Digital Media Technology, Central China Normal University, Wuhan, Hubei, China) ,  Zeng Chunyan (Hubei Key Laboratory for High-efficiency Utilization of Solar Energy and Operation Control of Energy Storage System, Hubei University of Technology, Wuhan, Hubei, China) ,  Duan Surong (Department of Digital Media Technology, Central China Normal University, Wuhan, Hubei, China) ,  Ouyang Hongjie (Department of Digital Media Technology, Central China Normal University, Wuhan, Hubei, China) ,  Xu Hongmin (Department of Digital Media Technology, Central China Normal University, Wuhan, Hubei, China)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1264  ページ： 390-399  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 話者認識は,話者の音声セグメントを利用してアイデンティティを認識するバイオメトリックモダリティであり,試験話者が登録話者の1つに属するかどうかを決定する。交差チャネル条件に関するi-ベクトルフレームワークのロバスト性を改良して,話者認識に深い学習を適用するためのノバ方式を探究するために,Stacked自己エンコーダを適用して,PLDAを適用する代わりにi-ベクターの抽象抽出を得た。前処理と特徴抽出の後,話者とチャネル独立音声をUBM訓練のために採用する。次に,UBMを用いて,登録と試験音声のiベクトルを抽出した。次元を減らし,話者部分空間間の識別を増すために線形判別分析(LDA)を使用する従来のi-ベクトルフレームワークとは異なり,本研究では,低次元のi-ベクトルを再構成するために積層自動エンコーダを用いて,最終分類を達成するために,異なる分類器を選択できる。実験結果は,提案方法が最先端の方法より良い性能を達成することを示した。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 前処理 ,  特徴抽出 ,  *話者認識 ,  *符号器 ,  再構成 ,  チャネル ,  *ロバスト性
準シソーラス用語： モダリティ ,  部分空間 ,  アイデンティティ ,  話者 ,  線形判別分析 ,  ホップ数 ,  低次元 ,  iベクトル , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： スタック ,  エンコーダ ,  ロバスト ,  話者認識