| 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 | 2015-08-21 15:05 DNNによる音素誤りパターン学習に基づく音声中の検索語検出 ○澤田直輝・西崎博光（山梨大）  SP2015-56 |
|
| 抄録 | （和） | 本稿では，Deep Neural Network (DNN) を使用して，複数の音声認識システムから得られた音素系列から正解音素を推定し，この結果を音声中の検索語検出（STD）に適用する方法を提案する．音素推定（認識）は，音声の音響特徴量を入力として隠れマルコフモデル（HMM）の音素に対応する各状態の出力確率をDNNを用いて推定する方法が一般的であるが，本手法では，DNNに複数の音声認識システムの出力パターンを学習させることで，正しい音素を予測する．従来のガウス混合分布に基づくHMMを音響モデルとして用いた音声認識システムから最新のDNN-HMMに基づいた音声認識システムの出力結果に対して提案手法を適用できることから，音声認識性能を更に改善することが可能である．提案手法をSTDタスクに適用した．実験の結果，我々が提案している条件付き確率場（CRF) の性能を大きく改善することができた． |
| （英） | This report describes a novel spoken term detection framework based on a Deep Neural Network (DNN)-based correct phoneme estimation from phoneme sequences outputted by multiple automatic speech recognition (ASR) systems. Recently, a phoneme estimation (recognition) is generally performed by using a DNN that outputs posterior probabilities for phonemes when acoustic feature parameters are inputted to the DNN. Different from the typical DNN estimation, our DNN-based phoneme estimation approach is to use output patterns of phonemes by multiple ASR systems as input features to DNN. The characteristic of our method enables more improvement of the ASR performance of a start-of-the-art DNN-Hidden Markov Model-based ASR system because our method uses a perfectly different type of the input features to a DNN. The DNN-based correct phoneme estimator was applied to the STD tasks. Experimental results showed that the DNN-based approach achieved improvement of the STD performance compared with the one based on the confidential random field (CRF)-based STD approach we have already proposed. | |
| キーワード | （和） | 正解音素推定 / ディープニューラルネットワーク / 音声中の検索語検索 / 結果検証 / / / / |
| （英） | correct phoneme estimation / deep neraul network / spoken term detection / verification / / / / | |
| 文献情報 | 信学技報, vol. 115, no. 184, SP2015-56, pp. 33-38, 2015年8月. | |
| 資料番号 | SP2015-56 | |
| 発行日 | 2015-08-14 (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 | SP2015-56 |
|
| 研究会情報 | |
| 研究会 | SP |
| 開催期間 | 2015-08-21 - 2015-08-21 |
| 開催地（和） | 岩手県立大学アイーナキャンパス |
| 開催地（英） | Iwate Prefectural Univ. |
| テーマ（和） | 音声ドキュメント処理，音声一般 |
| テーマ（英） | Spoken document processing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2015-08-SP |
| 本文の言語 | 日本語 |
| タイトル（和） | DNNによる音素誤りパターン学習に基づく音声中の検索語検出 |
| サブタイトル（和） | |
| タイトル（英） | Spoken Term Detection based on Phoneme Error Pattern Training using DNN |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 正解音素推定 / correct phoneme estimation |
| キーワード(2)（和/英） | ディープニューラルネットワーク / deep neraul network |
| キーワード(3)（和/英） | 音声中の検索語検索 / spoken term detection |
| キーワード(4)（和/英） | 結果検証 / verification |
| 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） | 澤田 直輝 / Naoki Sawada / サワダ ナオキ |
| 第1著者 所属（和/英） | 山梨大学 (略称： 山梨大) University of Yamanashi (略称： Univ. of Yamanashi) |
| 第2著者 氏名（和/英/ヨミ） | 西崎 博光 / Hiromitsu Nishizaki / ニシザキ ヒロミツ |
| 第2著者 所属（和/英） | 山梨大学 (略称： 山梨大) University of Yamanashi (略称： Univ. of Yamanashi) |
| 講演者 | 第1著者 |
| 発表日時 | 2015-08-21 15:05:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SP |
| 資料番号 | SP2015-56 |
| 巻番号（vol） | vol.115 |
| 号番号（no） | no.184 |
| ページ範囲 | pp.33-38 |
| ページ数 | 6 |
| 発行日 | 2015-08-14 (SP) |
[研究会発表申込システムのトップページに戻る]