文献

J-GLOBAL ID：202102280128103571   整理番号：21A0152193

音声感情認識のための畳込みニューラルネットワークの設計【JST・京大機械翻訳】

Design of a Convolutional Neural Network for Speech Emotion Recognition

著者 (2件)： Lee Kyong Hee (Electronics and Telecommunications Research Institute (ETRI),Intelligent Robotics Research Division,Daejeon,Republic of Korea) ,  Kim Do Hyun (Electronics and Telecommunications Research Institute (ETRI),Intelligent Robotics Research Division,Daejeon,Republic of Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICTC  ページ： 1332-1335  発行年： 2020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： 音声を用いた音声感情認識(SER)に関して,認識精度はより多くのデータを使用して増加する。特に深層学習の場合,大量のデータが必須である。しかしながら,既存のデータセットを使用するとき,データセットのサイズは制限され,データセットを構成するデータの長さは矛盾する。本論文で用いたデータセットは,様々な長さの発話のオーディオファイルから成る。本論文では,1次元データを音声ファイルから抽出し,2次元メルスペクトログラム画像を抽出し,多層パーセプトロン(MLP)と畳み込みニューラルネットワーク(CNN)のような深層学習技術を用いて訓練した。さらに,試験精度を改善するために,オーディオファイルを2秒未満に減らし,前処理した。CNNを用いて,約60%の試験精度を得た。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： 前処理 ,  オーディオ機器 ,  二次元 ,  一次元 ,  多層パーセプトロン ,  *発話
準シソーラス用語： 認識精度 ,  *音声感情認識 ,  深層学習 ,  *畳込みニューラルネットワーク ,  音声ファイル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 音声感情認識 ,  畳込みニューラルネットワーク ,  設計