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。
ターゲット音抽出(TSE)は,複数の音事象を有する混合オーディオからターゲット音事象クラスの音部分を抽出することを目的とする。これまでの研究は,主に弱ラベル化データ,共同学習および新しいクラスの問題に焦点を当て,しかし,聴覚場面解析において強調された,目標音事象の開始およびオフセット時間に関する1つの注意は,無かった。本論文では,そのようなタイムスタンプ情報を利用して,ターゲット音検出ネットワークとターゲット加重時間周波数損失関数を介してターゲット音を抽出するのを助ける。より具体的には,ターゲット音抽出ネットワークの学習を導くための追加情報として,ターゲット音検出(TSD)ネットワークの検出結果を使用する。また,TSEの結果は,TSDネットワークの性能をさらに向上できるので,ターゲット音検出と抽出の相互学習フレームワークを提案した。さらに,目標加重時間周波数損失関数を設計し,訓練中の目標音の時間領域に対してより多くの注意を払った。Freesoundデータセットから生成された合成データに関する実験結果は,著者らの提案方法がTSEの性能を著しく改良することができることを示した。【JST・京大機械翻訳】