文献

J-GLOBAL ID：202102215054310843   整理番号：21A2487025

イベントの学習困難を考慮したカリキュラム学習に基づく音事象検出【JST・京大機械翻訳】

Sound Event Detection Based on Curriculum Learning Considering Learning Difficulty of Events

著者 (5件)： Tonami Noriyuki (Ritsumeikan University,Japan) ,  Imoto Keisuke (Doshisha University,Japan) ,  Okamoto Yuki (Ritsumeikan University,Japan) ,  Fukumori Takahiro (Ritsumeikan University,Japan) ,  Yamashita Yoichi (Ritsumeikan University,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2021  号： ICASSP  ページ： 875-879  発行年： 2021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： 従来の音事象検出(SED)モデルにおいて,2種類の事象,即ち,存在するもの,および音響シーンで生じないものが,事象の同じタイプと見なされる。従来のSED法は,2つのタイプの事象の間の差を効果的に利用することができない。音響シーンで生じない音事象のすべての時間フレームは,シーンにおいて不活性と容易に考えられ,すなわち,イベントは容易である。シーンに存在するイベントの時間枠は,音響シーンにおける不活性に加えて,活動として分類されなければならず,すなわち,イベントは,難しい。訓練困難を利用するために,著者らは,モデルが容易から困難なイベントまで訓練されるSEDにカリキュラム学習を適用した。カリキュラム学習を利用するために,SEDの新しい目的関数を提案し,そこではイベントを容易から困難なイベントまで訓練した。実験結果は,提案した方法のFスコアが,従来のバイナリ交差エントロピーベースのSEDのそれと比較して,10.09パーセントポイントによって改善されることを示した。Copyright 2021 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： *学習 ,  *音響 ,  *カリキュラム ,  目的関数 ,  *学習障害
準シソーラス用語： *イベント検出 ,  バイナリー , 【Automatic Indexing@JST】

分類 (5件)： 専用演算制御装置  (JC04030Y) ,  図形・画像処理一般  (JE04010I) ,  音声処理  (JE05000E) ,  医用画像処理  (JE04020T) ,  符号理論  (ND02030R)

タイトルに関連する用語 (6件)： イベント ,  学習困難 ,  カリキュラム ,  学習 ,  音 ,  事象検出