文献

J-GLOBAL ID：202102239448865224   整理番号：21A0274322

注意ベースのエンドツーエンドキーワードスポッティング【JST・京大機械翻訳】

Attention-Based End-to-End Keywords Spotting

著者 (5件)： Hu Hengbo (PLA Strategic Support Force Information Engineering, University Zhengzhou, China) ,  Zhang Wenlin (PLA Strategic Support Force Information Engineering, University Zhengzhou, China) ,  Feng Li (Beijing Institute of Remote Sensing Information, Beijing, China) ,  Wei Ziwei (PLA Strategic Support Force Information Engineering, University Zhengzhou, China) ,  Chen Qi (PLA Strategic Support Force Information Engineering, University Zhengzhou, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICCPR 2020  ページ： 479-483  発行年： 2020年 
JST資料番号： D0698C  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： 深層学習技術の急速な発展は,キーワードスポッティングの性能を著しく改善するが,同時に,よりラベル付けされたデータを必要とする。本論文は,キーワードスポッティングのためのニューラルネットワークベースのエンドツーエンド(E2E)モデルを提案して,それは,注意機構だけでなく,わずかな監視データだけを必要とした。提案した注意ベースのE2Eキー語スポットモデルは,3つの主なモジュール,即ち,キーワード埋込みモジュール,音響モジュール,およびキーワードスポッティングモジュールから成る。キーワード埋込みモジュールを用いて,キーワードの埋込みベクトルを得た。音響モジュールは,キーワード埋込みベクトルとオーディオ特徴を結合して,注意機構を有する対応する特徴ベクトルを得る。キーワードスポッティングモジュールは,キーワードがオーディオで発生するかどうかを検出する入力として,対応する特徴ベクトルを作った。AISHELL-2データセット上で13と20の異なるキーワードで実験を行った。結果は,誤警報率が1時間当たり0.17倍,1時間当たり0.11倍であり,偽拒絶率は,それぞれ3.98%と3.36%であることを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ベクトル ,  音響 ,  ニューラルネットワーク ,  オーディオ機器 ,  *エンドツーエンド方式
準シソーラス用語： 特徴ベクトル ,  *キーワードスポッティング ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： キーワードスポッティング ,  注意機構 ,  エンドツーエンド

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： 注意