文献

J-GLOBAL ID：202002238711967636   整理番号：20A0325294

雑音情報を含めたマルチタスク学習による音声強調ネットワークの性能改善

Performance improvement of speech enhancement network by multitask learning including noise information

著者 (5件)： 田中晴樹 (徳山工高専) ,  杉浦陽介 (埼玉大) ,  安井希子 (埼玉大) ,  島村徹也 (埼玉大) ,  宮崎亮一 (徳山工高専)
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： 119  号： 334(EA2019 66-82)  ページ： 31-36  発行年： 2019年12月05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： 現在,信号処理分野では音声強調に対する関心が高まっている.近年,深層学習を用いた多くの音声強調手法が提案されており,その中でも波形データを入出力とし,ネットワークにオートエンコーダを用いるSEGANやWave-U-Netが高い性能を発揮している.本論文では,雑音混入音声に含まれる音声と雑音の情報を同時に学習する2つのオートエンコーダを持ち,それらの潜在ベクトルを互いに条件付けるアーキテクチャによる音声強調手法を提案する.我々のネットワークの入力は雑音混入音声を使用し,一方のオートエンコーダがクリーン音声,他方が雑音情報を出力する.客観評価実験では,提案手法がPESQ,CSIG,COVLによる客観評価尺度でSEGANのスコアを超えたことを示した.(著者抄録)

シソーラス用語： 機械学習 ,  強化学習 ,  雑音 ,  *音声強調 ,  改良 ,  性能 ,  信号処理 ,  *音声合成 ,  データ ,  混合 ,  *アルゴリズム
準シソーラス用語： *オートエンコーダ ,  マルチタスク学習 ,  雑音混入データ ,  *深層学習による音声合成 ,  性能改善

分類 (1件)： 音声処理  (JE05000E)

引用文献 (21件)：

• P. Vincent, H. Larochelle, I. Lajoie, Y. Bengio, and P. A. Manzagol,“Stacked denoising autoencoders: Learning useful representations in a deep network with a local denoising criterion,” Journal of machine learning research, pp.3371-3408, 2010.
• X. Lu, Y. Tsao, S. Matsuda and C. Hori,“Speech enhancement based on deep denoising autoencoder,” Proceedings of Interspeech 2013, pp.436-440, 2013.
• S. Pascual, A. Bonafonte, and J. Serra,“SEGAN: Speech enhancement generative adversarial network,” Proceedings of Interspeech 2017, pp.3642-3646, 2017.
• C. Macartney and T. Weyde,“Improved speech enhancement with the Wave-U-Net,” arXiv preprint arXiv:1811.11307, 2018.
• S. W. Fu, Y. Tsao, X. Lu, and H. Kawai,“Raw waveform-based speech enhancement by fully convolutional networks,” Proceedings of 2017 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC), pp.6-12, 2017.

タイトルに関連する用語 (4件)： 雑音 ,  マルチタスク学習 ,  音声強調 ,  性能改善