| 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 | 2019-02-01 14:35 CNNによるテキスト独立型話者識別の音声データセットを用いた評価 ○大嵜郁弥・京相雅樹（東京都市大）  MBE2018-81 |
|
| 抄録 | （和） | 精度の高い話者識別を実現するには，様々な話者に対し汎化性を有し，雑音に頑健性を持つ必要がある．近年，畳み込みニューラルネットワーク(Convolutional Neural Network：:以下CNN)を用いた話者識別手法が注目を集めている．このような深層学習を用いた手法は高い性能が期待できるが，大量のデータを必要とする．そこで，本研究ではデータ量の差による精度差を検討した．結果，60分以上のデータ量がある場合は約90％識別可能な一方で5分程度のデータ量の場合識別率は約50％程度だった．今後は，精度差を埋める為CNNによる画像認識の領野で検討されている精度改善手法を用い高精度化を目指す． |
| （英） | In order to realize highly accurate speaker recognition， it is necessary to have universal applicability to various speakers and have robustness to noise. Recently， the speaker recognition method using Convolutional Neural Network (CNN) has been attracted attention. A because high recognition performance is expected. However， it requires a lot of data to train the system. In this study，relationship between system performance and data amount was examined. As a result， in the subject group with data of 60 minutes or more， the discrimination rate was about 90%. On the other hand， the discrimination rate was only about 50% in the subject group with only about 5 minutes of data. In the future， we will aim for higher accuracy by using accuracy improvement method which is studied in the field of image recognition by CNN. | |
| キーワード | （和） | 話者識別 / サウンドスペクトログラム / 畳み込みニューラルネットワーク / 深層学習 / / / / |
| （英） | Speaker Recognition / Sound Spectrogram / Convolutional Neural Network / DeepLearning / / / / | |
| 文献情報 | 信学技報, vol. 118, no. 436, MBE2018-81, pp. 117-121, 2019年1月. | |
| 資料番号 | MBE2018-81 | |
| 発行日 | 2019-01-24 (MBE) | |
| ISSN | 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 | MBE2018-81 |
|
| 研究会情報 | |
| 研究会 | MBE |
| 開催期間 | 2019-01-31 - 2019-02-01 |
| 開催地（和） | 佐賀大学 |
| 開催地（英） | Saga University |
| テーマ（和） | ME, 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | MBE |
| 会議コード | 2019-01-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | CNNによるテキスト独立型話者識別の音声データセットを用いた評価 |
| サブタイトル（和） | |
| タイトル（英） | A Speaker Recognition Framework Using Sound Spectrogram and Convolutional Neural Network Based Deep Learning Technique and Performance Evaluation with a Large-Scale Dataset of Human Speech |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 話者識別 / Speaker Recognition |
| キーワード(2)（和/英） | サウンドスペクトログラム / Sound Spectrogram |
| キーワード(3)（和/英） | 畳み込みニューラルネットワーク / Convolutional Neural Network |
| キーワード(4)（和/英） | 深層学習 / DeepLearning |
| 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） | 大嵜 郁弥 / Ikumi Osaki / オオサキ イクミ |
| 第1著者 所属（和/英） | 東京都市大学 (略称： 東京都市大) Tokyo City University (略称： Tokyo City Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 京相 雅樹 / Masaki Kyoso / キョウソウ マサキ |
| 第2著者 所属（和/英） | 東京都市大学 (略称： 東京都市大) Tokyo City University (略称： Tokyo City Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-02-01 14:35:00 |
| 発表時間 | 25分 |
| 申込先研究会 | MBE |
| 資料番号 | MBE2018-81 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | no.436 |
| ページ範囲 | pp.117-121 |
| ページ数 | 5 |
| 発行日 | 2019-01-24 (MBE) |
[研究会発表申込システムのトップページに戻る]