| 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 スペクトル平面における勾配ヒストグラムに基づく音声特徴量の検討 ○室井貴司・滝口哲也・有木康雄（神戸大）  NLC2008-51 SP2008-106 |
|
| 抄録 | （和） | 本稿では，時間－周波数平面上における対数パワースペクトルの勾配情報に基づく 特徴量を用いた音声特徴量抽出手法について検討を行う．現在，音声特徴量として MFCCが広く用いられているが，時間特徴が表現されていないという問題がある． また，ΔMFCCやΔΔMFCCは線形回帰係数であるため，時間特徴の直接的な 表現でないと言える．これに対し，本研究では，より直接的に時間特徴を表現するため，時間－周波数平面上の局所領域から勾配情報に基づく音声特徴量を抽出する手法を提案する．本稿で提案する手法は，画像認識分野で用いられているSIFT(Scale Invariant Feature Transform)やHOG(Histograms of Oriented Gradients)などの勾配に基づく特徴抽出手法を音声認識に応用したものである． これらは，物体認識や画像識別など様々な画像タスクにおいて効果を挙げている． 提案手法に対し，評価実験として音素識別実験を行ったところ，MFCCと比べ，高い識別率が得られた．また，MFCCと組み合わせることにより，さらに識別精度の改善が得られた． |
| （英） | This paper proposes a novel feature extraction method for speech recognition based on gradient features on 2-D time-frequency matrix. Widely used MFCC features lack temporal dynamics and delta-MFCC is an indirect expression of temporal frequency changes. To extract the temporal dynamics more directly, local gradient features are measured in the region around reference positions. This method was originally proposed as HOG (Histograms of Oriented Gradients) and applied to human body detection in image recognition. In this paper, we develop it into gradient-based acoustic features in speech recognition. The proposed feature was evaluated on a phoneme recognition task and showed the significant improvement for clean speech and even for the noisy speech when combined with MFCC. |
|
| キーワード | （和） | 勾配ヒストグラム / 時間-周波数特徴 / 音素認識 / / / / / |
| （英） | gradient histograms / spectro-temporal features / phoneme recognition / / / / / | |
| 文献情報 | 信学技報, vol. 108, no. 338, SP2008-106, pp. 161-165, 2008年12月. | |
| 資料番号 | SP2008-106 | |
| 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 | NLC2008-51 SP2008-106 |
|
| 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） | スペクトル平面における勾配ヒストグラムに基づく音声特徴量の検討 |
| サブタイトル（和） | |
| タイトル（英） | Study on Spectro-Temporal Features Based on Gradient Histograms |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 勾配ヒストグラム / gradient histograms |
| キーワード(2)（和/英） | 時間-周波数特徴 / spectro-temporal features |
| キーワード(3)（和/英） | 音素認識 / phoneme recognition |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| 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） | 室井 貴司 / Takashi Muroi / ムロイ タカシ |
| 第1著者 所属（和/英） | 神戸大学 (略称： 神戸大) Kobe University (略称： Kobe Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 滝口 哲也 / Tetsuya Takiguchi / タキグチ テツヤ |
| 第2著者 所属（和/英） | 神戸大学 (略称： 神戸大) Kobe University (略称： Kobe Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 有木 康雄 / Yasuo Ariki / アリキ ヤスオ |
| 第3著者 所属（和/英） | 神戸大学 (略称： 神戸大) Kobe University (略称： Kobe Univ.) |
| 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 | NLC2008-51, SP2008-106 |
| 巻番号（vol） | vol.108 |
| 号番号（no） | no.337(NLC), no.338(SP) |
| ページ範囲 | pp.161-165 |
| ページ数 | 5 |
| 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]