| 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 | 2015-07-16 17:50 Feature Augmentationフレームワークを用いたディープニューラルネットワークによる音声認識の話者適応 ○藤村浩司・益子貴史（東芝）  SP2015-42 |
|
| 抄録 | （和） | Deep Neural Network(DNN)は近年機械学習の識別モデルとして目覚ましい成果を上げている．音声認識においてもDNNによって大幅に音声認識精度は向上したが，学習外のタスクに対しては依然精度が劣化してしまうという問題がある．この劣化を避けるために，学習外のタスクに対してモデルを適応する方法がある．特に，少量のデータで適応できる手法は多くのアプリケーションにとって非常に有用なものとなる．しかし，DNNは１層毎に多くのパラメータが存在するため，少量データでの適応は困難な課題となっている．そこで，本報告では，少量データを用いた新しいDNN音響モデルの適応方法を提案する．提案手法は，言語モデルのドメイン適応で使われるFeature Augmentation手法をベースとする．我々はFeature Augmentation手法をドメイン依存層に適用し，ドメインの重みのみを適用時に学習することによって，ドメイン適応を実現する．本実験では男声ドメインと女声ドメインを使用し，未知の話者を男声ドメインと女声ドメインの重み付け和によって表現する．4foldのクロスバリデーションテストを行った結果，提案手法によりベースラインの文字誤り率$19.95[%]から教師なしの5発声のみで19.49[%]まで改善を得ることができた． |
| （英） | Deep Neural Networks (DNNs) are powerful machine learning models.Nevertheless, the performance degrades for out-of domain tasks. A popular approach is to use the adaptive training for avoiding the degradation. In particular, a rapid adaptation method is desired for many applications. However, rapid domain adaptation for DNNs with a small amount of data is difficult, due to a large number of parameters of the domain-dependent layer. In this paper, we propose a new adaptive training framework which can be used with a very small amount of adaptation data. An augmented features with domain-independent and domain-dependent components are input to a network with domain-dependent and domain-independent layers. The network is trained in an adaptive training scheme, and only domain weights are adjusted in the adaptation. Experiments on LVCSR tasks with male and female as domains are conducted, and significant improvements are obtained with only five utterances. Finally, out method obtained 0.46 point improvement from the baseline character error rate 19.95[%] using five utterances by the unsupervised adaptation in 4-fold cross validation test. | |
| キーワード | （和） | 音声認識 / ディープニューラルネットワーク / 適応 / / / / / |
| （英） | Speech Recognition / Deep Neural Network / Adaptation / / / / / | |
| 文献情報 | 信学技報, vol. 115, no. 146, SP2015-42, pp. 37-42, 2015年7月. | |
| 資料番号 | SP2015-42 | |
| 発行日 | 2015-07-09 (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 | SP2015-42 |
|
| 研究会情報 | |
| 研究会 | SP IPSJ-SLP |
| 開催期間 | 2015-07-16 - 2015-07-17 |
| 開催地（和） | かたくら諏訪湖ホテル |
| 開催地（英） | Katakura Suwako Hotel |
| テーマ（和） | 認識，理解，対話，一般 |
| テーマ（英） | Speech recognition and understanding, dialog system, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2015-07-SP-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | Feature Augmentationフレームワークを用いたディープニューラルネットワークによる音声認識の話者適応 |
| サブタイトル（和） | |
| タイトル（英） | Speaker Adaptation Technique for Speech Recognition using a Feature Augmentation Framework |
| 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） | 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） | 適応 / Adaptation |
| 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） | 藤村 浩司 / Hiroshi Fujimura / |
| 第1著者 所属（和/英） | 株式会社東芝 (略称： 東芝) TOSHIBA CORPORATION (略称： TOSHIBA) |
| 第2著者 氏名（和/英/ヨミ） | 益子 貴史 / Takashi Masuko / |
| 第2著者 所属（和/英） | 株式会社東芝 (略称： 東芝) TOSHIBA CORPORATION (略称： TOSHIBA) |
| 講演者 | 第1著者 |
| 発表日時 | 2015-07-16 17:50:00 |
| 発表時間 | 30分 |
| 申込先研究会 | SP |
| 資料番号 | SP2015-42 |
| 巻番号（vol） | vol.115 |
| 号番号（no） | no.146 |
| ページ範囲 | pp.37-42 |
| ページ数 | 6 |
| 発行日 | 2015-07-09 (SP) |
[研究会発表申込システムのトップページに戻る]