| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2008-12-10 16:10 距離マトリクス画像のハフ変換を用いた単語音声区間検出 ○西 宏之・木村義政・グエン ヴァン ドン（崇城大）  NLC2008-57 SP2008-112 |
|
| 抄録 | （和） | 本報告では，入力音声と標準パターンを両軸とし，交点座標における距離値をピクセルの明るさで表現した距離マトリクス画像をハフ変換することで得られる直線から，単語音声区間を推定する手法を提案する． 認識対象となる単語音声の前後に認識対象外の音声が付加されている場合，従来は連続DPや連続音素認識などを応用してワードスポッティングを行う方法が提案されてきたが，入力音声長が長くなると計算量が爆発的に増大することが問題となっていた． 本研究では，発話音声中に認識対象単語が含まれていると，距離マトリクス画像中に，距離の近い領域が直線状に現れることを利用し，これを画像のハフ変換により直線として検出するとともに，検出された直線から音声の始端と終端を得る方法を提案する．本方式を用いて，100都市名の区間検出実験を行った結果，対象音声区間の始端の検出誤差が最大で120ms，終端の誤差は最大で70msであることを確認し，認識精度を落とすことなく，計算時間を低減できる本手法の有効性を検証した. |
| （英） | In this report, using an input voice and a standard patterns as both axes, the analysis method that uses the distance matrix image where the distance value in the intersection coordinates expresses the brightness of the pixel is proposed. In case that a standard pattern is included in the input atterence, line area is obeseved in the distance matrix image. The line area is detected by the Hough transform of the distance matrix image. This idea was confirmed by the experiment of JEIDA 100 cities. The largest error of the beginning point was 120ms at most and the ending point was 70ms. |
|
| キーワード | （和） | 音声認識 / ワードスポッティング / 距離マトリクス / 単語区間 / ハフ変換 / / / |
| （英） | speech recognition / word spotting / distance matrix / word period / Hough transform / / / | |
| 文献情報 | 信学技報, vol. 108, no. 338, SP2008-112, pp. 197-202, 2008年12月. | |
| 資料番号 | SP2008-112 | |
| 発行日 | 2008-12-02 (NLC, SP) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NLC2008-57 SP2008-112 |
|
| 研究会情報 | |
| 研究会 | SP NLC |
| 開催期間 | 2008-12-09 - 2008-12-10 |
| 開催地（和） | 早稲田大学（小野記念講堂） |
| 開催地（英） | Waseda Univ. |
| テーマ（和） | 第10回 音声言語シンポジウム （SP/NLC/SLP共催） |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2008-12-SP-NLC |
| 本文の言語 | 日本語 |
| タイトル（和） | 距離マトリクス画像のハフ変換を用いた単語音声区間検出 |
| サブタイトル（和） | |
| タイトル（英） | Speech period detection using Hough transform of distance matrix images |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 音声認識 / speech recognition |
| キーワード(2)（和/英） | ワードスポッティング / word spotting |
| キーワード(3)（和/英） | 距離マトリクス / distance matrix |
| キーワード(4)（和/英） | 単語区間 / word period |
| キーワード(5)（和/英） | ハフ変換 / Hough transform |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 西 宏之 / Hiroyuki Nishi / ニシ ヒロユキ |
| 第1著者 所属（和/英） | 崇城大学 (略称： 崇城大) Sojo University (略称： Sojo Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 木村 義政 / Yoshimasa Kimura / キムラ ヨシマサ |
| 第2著者 所属（和/英） | 崇城大学 (略称： 崇城大) Sojo University (略称： Sojo Univ.) |
| 第3著者 氏名（和/英/ヨミ） | グエン ヴァン ドン / Nguyen Van Don / グエン ヴァン ドン |
| 第3著者 所属（和/英） | 崇城大学 (略称： 崇城大) Sojo University (略称： Sojo Univ.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2008-12-10 16:10:00 |
| 発表時間 | 110分 |
| 申込先研究会 | SP |
| 資料番号 | NLC2008-57, SP2008-112 |
| 巻番号（vol） | vol.108 |
| 号番号（no） | no.337(NLC), no.338(SP) |
| ページ範囲 | pp.197-202 |
| ページ数 | 6 |
| 発行日 | 2008-12-02 (NLC, SP) |
[研究会発表申込システムのトップページに戻る]