抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
近年,重複音事象検出(SED)を改善する効果的な音分離(SSep)技術の探索がますます注目されている。SEDモデル訓練中の壊滅的誤差蓄積を回避するための正確な分離信号の作成は,非常に重要である。本研究では,まず,ブラインド音分離出力から高信頼分離ターゲットイベントを生成するために,SPLと呼ばれる新しい選択的擬似標識手法を提案した。次に,これらのターゲット事象を用いて,多目的学習スタイルにおける音響混合物に事前訓練された元のSEDモデルを微調整した。次に,SSep出力をさらに活用するために,音響混合とそれらの分離信号の多重フレームレベル事象予測を結合することによって,最終SED性能を改良するために,クラスワイズ識別融合を提案した。すべての実験は,公開DCASE2021タスク4データセットに関して実行して,結果は,著者らの方式が公式のベースラインより著しく優れて,カラーベースのF1,PSDS1とPSDS2性能が,それぞれ44.3%,37.3%と54.9%から46.5%,44.5%と75.4%まで改良することを示した。【JST・京大機械翻訳】