文献

J-GLOBAL ID：202002250231200465   整理番号：20A2051018

End-to-End複数言語音声認識モデルにおける様々なマルチタスク学習の検討

Investigation of Various Multi-task Learning for End-to-End Multi-Language Speech Recognition Model

著者 (5件)： 早川友瑛 (山梨大 工) ,  西崎博光 (山梨大 工) ,  山本一公 (中部大 工) ,  小林彰夫 (筑波技大 産業技術) ,  宇津呂武仁 (筑波大)
資料名： 日本音響学会研究発表会講演論文集(CD-ROM)  (日本音響学会講演論文集(CD-ROM))
巻： 2020  号： 秋季  ページ： ROMBUNNO.2-P1-1  発行年： 2020年08月26日 
JST資料番号： G0381C  ISSN： 1880-7658  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・End-to-End音声認識システムの枠組みを用いて,複数言語の音声認識におけるマルチタスク学習について提案。
・CTCをベースとしたEnd-to-End音声認識システムに言語識別器,話者識別器,発話スタイル識別器を組み合わせたマルチタスク学習を行い,評価。
・対象言語として,チェコ語,英語,フランス語,ドイツ語,日本語,スペイン語を扱い,各言語の学習データを約30時間以内に制限し,少ないデータ量でも音声認識が可能であること実証。
・CTCの事前学習モデルの認識性能をマルチタスク学習モデルが上回り,補助タスク部分にGRL(Gradient Reversal Layer)を適用することにより,認識性能の改善を確認。
・マルチタスク学習モデルがベースラインであるDNN-HMM音声認識システムの認識性能に匹敵し,複数言語の音声認識において,マルチタスク学習モデルが有効であることを確認。

シソーラス用語： *音声認識 ,  言語 ,  *機械学習 ,  ニューラルネットワーク ,  隠れMarkovモデル ,  認知モデル ,  ディープニューラルネットワーク隠れマルコフモデル
準シソーラス用語： DNN-HMM ,  DNN-HMM音声認識 ,  エンドツーエンド ,  *マルチタスク学習 ,  複数言語

分類 (1件)： パターン認識  (JE07000S)

引用文献 (3件)：

• Alex Graves, Santiago Fernández, Faustino J.Gomez, and Jürgen Schmidhuber. “Connection-isttemporal classification: labelling unsegmented sequence data with recurrent neural networks,” Proc. of ICML, 2006.
• Yaroslav Ganin and Victor Lempitsky. “Unsupervised Domain Adaptation by Backpropagation,” Proc. of ICML, 2015.
• P. Daniel, G. Arnab, B. Gilles, B.Lukas, G. Ondrej, G. Nagendra, H. Mirko, M. Petr, Q. Yanmin, S. Petr, S. Jan, S. Georg, K. Vesely, “The Kaldi Speech Recognition Toolkit,” Proc. of ASRU 2011, 4 pages, 2011.

タイトルに関連する用語 (4件)： 言語 ,  音声認識 ,  モデル ,  マルチタスク学習