| 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 | 2014-05-24 11:30 ［研究紹介］スペクトルパッチ入力DNNを用いた音声の重畳に対し頑健な音響イベント検出 ○エスピ ミケル・藤本雅清・久保陽太郎・中谷智宏（NTT）  SP2014-17 |
|
| 抄録 | （和） | 本研究では，スペクトログラムパッチと呼ぶ特徴抽出層を有するディープ・ニューラル・ネットワーク識別器に基づく音響イベント検出法について述べ る．音響イベント検出では，各々の音響イベントが単体で観測されるのではなく，背景雑音や音声，もしくは複数の音響イベントの混合音として観測される ことを考慮しなければならない．このような混合音から高精度に音響イベントを検出するためには，従来のMFCCやメルフィルタバンク出力値のような低次元の特徴量ではなく，高次 元の特徴量を用いて音源のスパース性に基づいた信号解析，及び識別問題を解く必要がある．この問題において，スペクトログラムパッチは，数フレーム分の振幅もしくは対数スペクトルを連結した部分的なスペクトログラムを特徴量としている ため，高次元特徴量に基づく詳細な信号解析を可能とする．提案法を用いて混合音に対する音響イベント検出の評価を行った結果，従来の低次元特徴量の場合と比較して性能改善が得られることを確認した． |
| （英） | This paper presents an acoustic event detection and classification method that learns features from spectrogram patches (i.e. concatenation of a certain number of consecutive spectrum frames) in an unsupervised manner, and integrates effortlessly within the deep neural network framework. Most AED use-cases happen in scenarios where speech overlaps with acoustic events, and while derived features (e.g. MFCCs, Mel-filter-banks) have traditionally characterized well the spectrum of speech, they are too dense and centered on specific frequencies to be used with non-speech tasks. Results show that the proposed model based on spectrogram-patch out-performs those based on derived features, as well as previous AED works. | |
| キーワード | （和） | 音響イベント検出 / ディープ・ニューラル・ネットワーク / スペクトログラムパッチ / 音源のスパース性 / / / / |
| （英） | acoustic event detection / deep neural network / spectrogram patch / source sparsity / / / / | |
| 文献情報 | 信学技報, vol. 114, no. 52, SP2014-17, pp. 171-176, 2014年5月. | |
| 資料番号 | SP2014-17 | |
| 発行日 | 2014-05-17 (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 | SP2014-17 |
|
| 研究会情報 | |
| 研究会 | SP IPSJ-MUS |
| 開催期間 | 2014-05-24 - 2014-05-25 |
| 開催地（和） | 日本大学文理学部キャンパス 百周年記念館 |
| 開催地（英） | |
| テーマ（和） | 音学シンポジウム2014 |
| 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 | 2014-05-SP-MUS |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | ［研究紹介］スペクトルパッチ入力DNNを用いた音声の重畳に対し頑健な音響イベント検出 |
| サブタイトル（和） | |
| タイトル（英） | [研究紹介] A spectrogram-patch-input DNN model for detection and classification of acoustic events robust to speech overlapping scenarios |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 音響イベント検出 / acoustic event detection |
| キーワード(2)（和/英） | ディープ・ニューラル・ネットワーク / deep neural network |
| キーワード(3)（和/英） | スペクトログラムパッチ / spectrogram patch |
| キーワード(4)（和/英） | 音源のスパース性 / source sparsity |
| 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） | エスピ ミケル / Miquel Espi / フジモト マサキヨ |
| 第1著者 所属（和/英） | 日本電信電話株式会社NTTコミュニケーション科学基礎研究所 (略称： NTT) Nippon Telegraph and Telephone Corporation (略称： NTT) |
| 第2著者 氏名（和/英/ヨミ） | 藤本 雅清 / Masakiyo Fujimoto / クボ ヨウタロウ |
| 第2著者 所属（和/英） | 日本電信電話株式会社NTTコミュニケーション科学基礎研究所 (略称： NTT) Nippon Telegraph and Telephone Corporation (略称： NTT) |
| 第3著者 氏名（和/英/ヨミ） | 久保 陽太郎 / Yotaro Kubo / ナカタニ トモヒロ |
| 第3著者 所属（和/英） | 日本電信電話株式会社NTTコミュニケーション科学基礎研究所 (略称： NTT) Nippon Telegraph and Telephone Corporation (略称： NTT) |
| 第4著者 氏名（和/英/ヨミ） | 中谷 智宏 / Tomohiro Nakatani / |
| 第4著者 所属（和/英） | 日本電信電話株式会社NTTコミュニケーション科学基礎研究所 (略称： NTT) Nippon Telegraph and Telephone Corporation (略称： NTT) |
| 講演者 | 第1著者 |
| 発表日時 | 2014-05-24 11:30:00 |
| 発表時間 | 240分 |
| 申込先研究会 | SP |
| 資料番号 | SP2014-17 |
| 巻番号（vol） | vol.114 |
| 号番号（no） | no.52 |
| ページ範囲 | pp.171-176 |
| ページ数 | 6 |
| 発行日 | 2014-05-17 (SP) |
[研究会発表申込システムのトップページに戻る]