文献

J-GLOBAL ID：202102270883028673   整理番号：21A0560437

CNNベース音声感情分類による外傷のスクリーニング【JST・京大機械翻訳】

Screening Trauma Through CNN-Based Voice Emotion Classification

著者 (6件)： Kim Na Hye (Department of AI and Informatics, Sangmyung University, Seoul, Republic of Korea) ,  Kim So Eui (Department of AI and Informatics, Sangmyung University, Seoul, Republic of Korea) ,  Mok Ji Won (Department of AI and Informatics, Sangmyung University, Seoul, Republic of Korea) ,  Yu Su Gyeong (Department of AI and Informatics, Sangmyung University, Seoul, Republic of Korea) ,  Han Na Yeon (Department of AI and Informatics, Sangmyung University, Seoul, Republic of Korea) ,  Lee Eui Chul (Department of Human-Centered AI, Sangmyung University, Seoul, Republic of Korea)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12615  ページ： 208-217  発行年： 2021年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 最近,現代の人々は様々な理由で外傷症状を経験する。外傷は感情的制御問題と不安を引き起こす。精神医学的診断は必須であるが,人々は病院を訪れる。本論文では,畳み込みニューラルネットワークを用いた音声データに基づく外傷のスクリーニング法を提案した。6つの基本的感情の中で,4つの感情が外傷のスクリーニングのために使用された:恐怖, s, ha,および中立。2sのユニットにおけるオーディオデータの長さを調整し,データの数を増やす最初の前処理と,第2の前処理を,短時間Fourier変換によって,音声時間信号をスペクトログラム画像に変換するために実行した。スペクトログラム画像を4つの畳込みニューラルネットワークを通して訓練した。その結果,VGG-13モデルは,他の間で外傷のスクリーニングに対して最高の成績(98.96%)を示した。後処理としての意思決定レベル融合戦略を,訓練されたVGG-13モデルによって推定した外傷性状態に対する同じ連続状態の維持を確認することによって,最終の外傷性状態を決定するために採用した。その結果,連続状態観察の設定値に従って,高精度音声ベース外傷診断が可能であることを確認した。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  前処理 ,  後処理 ,  オーディオ機器 ,  恐怖 ,  *スクリーニング
準シソーラス用語： スペクトログラム ,  高精度 ,  STFT【変換】 ,  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)： 外傷 ,  畳込みニューラルネットワーク ,  オーディオ ,  音声 ,  感情

分類 (2件)： 応用心理学  (AE02000A) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： CNN ,  音声 ,  感情分類 ,  外傷 ,  スクリーニング