文献

J-GLOBAL ID：202102260550295855   整理番号：21A3307575

オーディオからの顔マスク認識:MASCデータベースとマスク挑戦に関する概観【JST・京大機械翻訳】

Face mask recognition from audio: The MASC database and an overview on the mask challenge

著者 (16件)： Mohamed Mostafa M. (Chair of Embedded Intelligence for Health Care and Wellbeing, University of Augsburg, Augsburg, Germany) ,  Mohamed Mostafa M. (AI R&D Team SyncPilot GmbH, Augsburg, Germany) ,  Nessiem Mina A. (Chair of Embedded Intelligence for Health Care and Wellbeing, University of Augsburg, Augsburg, Germany) ,  Nessiem Mina A. (AI R&D Team SyncPilot GmbH, Augsburg, Germany) ,  Batliner Anton (Chair of Embedded Intelligence for Health Care and Wellbeing, University of Augsburg, Augsburg, Germany) ,  Bergler Christian (Pattern Recognition Lab, FAU Erlangen-Nuremberg, Germany) ,  Hantke Simone (audEERING GmbH, Gilching, Germany) ,  Schmitt Maximilian (Chair of Embedded Intelligence for Health Care and Wellbeing, University of Augsburg, Augsburg, Germany) ,  Baird Alice (Chair of Embedded Intelligence for Health Care and Wellbeing, University of Augsburg, Augsburg, Germany) ,  Mallol-Ragolta Adria (Chair of Embedded Intelligence for Health Care and Wellbeing, University of Augsburg, Augsburg, Germany) ,  Karas Vincent (Chair of Embedded Intelligence for Health Care and Wellbeing, University of Augsburg, Augsburg, Germany) ,  Amiriparian Shahin (Chair of Embedded Intelligence for Health Care and Wellbeing, University of Augsburg, Augsburg, Germany) ,  Amiriparian Shahin (audEERING GmbH, Gilching, Germany) ,  Schuller Bjorn W. (Chair of Embedded Intelligence for Health Care and Wellbeing, University of Augsburg, Augsburg, Germany) ,  Schuller Bjorn W. (GLAM - Group on Language, Audio & Music, Imperial College London, UK) ,  Schuller Bjorn W. (audEERING GmbH, Gilching, Germany)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 122  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： COVID-19の突然発生は,物理的接触によるその広がりと表面マスクの着用の規制により,バイオメトリックの分野に対する困難な課題をもたらした。これらの制約を考えると,音声バイオメトリックは適切な非接触バイオメトリックソリューションを提供できる。それらは,話者がマスクを着用するかどうかを分類するモデルから利益を得ることができる。本論文では,話者のオーディオチャンクがマスクを着用するか否かを分類する,話者のオーディオチャンクを与えられた,以下の分類タスクに焦点を当てた,INTERSPEECH 2020 COMputational PARalinguistics challengE(ComParE)のMask Sub-Challenge(MSC)をレビューした。第1に,Mask Augsburg Speech Corpus(MASC)の収集と,その問題を解決するためのベースライン手法を報告し,71.8%の非加重平均Recall(UAR)の性能を達成した。次に,2つの共通パターンを用いて,提出されたおよび受け入れられた論文で調査された方法論を要約した。(i)音声ベースオーディオ特徴,または(ii)画像処理で通常用いられる畳込みニューラルネットワーク(CNN)と結合したオーディオのスペクトログラム表現。ほとんどの手法は,異なるモデルのアンサンブルを適応させ,様々な技術を用いて訓練データのサイズを増加させることを試みることにより,それらのモデルを強化する。勝者が80.1%のUARをスコアリングするこのサブチャレンジの参加者の結果をレビューし,議論する。さらに,この方法を融合する結果を示し,UARは82.6%であった。最後に,ユーザが顔マスクを着用するかどうかを実時間で検出する概念実証の証明として使えるスマートフォンアプリケーションを提示する。また,最良モデルの実行時間をベンチマークした。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *データベース ,  画像処理 ,  *オーディオ機器 ,  基準線 ,  ベンチマーク
準シソーラス用語： チャンク ,  訓練データ ,  スペクトログラム ,  ホップ数 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： COVID-19 ,  深層学習 ,  マスク ,  音声バイオメトリックス ,  音響モデリング

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： オーディオ ,  顔マスク ,  データベース ,  マスク