識別関数を用いたMPEGオーディオ情報の自動分類
スポンサーリンク
概要
- 論文の詳細を見る
キーワードスポッティングやコンテンツベースオーディオビジュアル検索システムにおいてオーディオ情報の自動分類が非常に重要な課題になる。本稿では、MPEG符号化データから自動的にオーディオ情報を高速かつ高い精度で分類する手法を提案する。まず各種の録音状況に依存しない無音区間について述べる。次に、有音区間を音楽、音声そして歓声雑音3種類のクラスに分けて、MPEGオーディオのサブバンドデータに基づいた時間的エネルギーの疎密度、平均サブバンド数とサブバンド重心によって分類を行なう。さまざまな種類のオーディオソースに対応するために、本稿では閾値処理の代わりにBayes決定における正規分布に対する最適識別関数を用いた。分類実験では、MPEGオーディオデータが1秒単位で分類され、95%以上の無音と音声区間を正確に検出できた。また検出に必要な処理時間はMPEGオーディオ復号の処理時間の20%以下で検出が可能になった。
- 1998-11-20
著者
-
陸 洋
電気通信大学電気通信学部 : 富士ソフトabc(株)
-
中島 康之
KDD研究所
-
榑松 明
電気通信大学電子工学専攻
-
榑松 明
電気通信大学 電子工学科
-
柳原 広昌
KDD研究所
-
米山 暁夫
KDD研究所
-
菅野 勝
KDD研究所
関連論文
- 印象語から想起した音声情報の特徴量空間の分析
- J-028 音声対話システム利用時における感情表出誘因性に関する考察(ヒューマンコミュニケーション&インタラクション,一般論文)
- 動きベクトルを用いたMPEGファイルの高速再生ブラウジング方式
- ロボットによる発話理解過程に基づく相互信念の形成
- ロボットによる発話理解過程に基づく相互信念の形成
- 印象空間における音声と文字の対応関係の分析
- A-4-12 周波数選択特性を有する荷重メジアンフィルタによるボケと雑音で劣化した画像の復元
- 眼鏡を含む顔画像からの構成部品の抽出
- I-66 サブバンドEHMMを用いた低解像度文字画像の高解像度化(画像高解像度化・劣化復元,I.画像認識・メディア理解)
- 23-7 超低レート用映像伝送方式 「Quality Motion」 を用いた携帯映像取材伝送システム 「VIDEOtrek」
- 頭部伝達関数を利用したロボットによる音源定位能力の自律的な獲得(一般セッション(7))(ユビキタスコンピューティングのためのパターン認識・理解)
- A-10-17 頭部伝達関数を利用したロボットによる音源定位能力の自律的な獲得(A-10. 応用音響)
- オーディオビデオの特性を用いた自動要約抽出方式に関する検討
- 26-6 MPEG-2ビデオからMPEG-1ビデオへの高速トランス符号化の検討
- インターネット・イントラネット映像音声配信と品質
- インターネット・イントラネット映像音声配信と品質
- 特徴ベクトルを用いたMPEG1符号化データからのAudio情報の自動分類
- マルチメディアデータ用イントラネットシステムの開発(1) : システム概要
- フレームメモリサイズを削減したMPEG2復号方式
- 動画像検索機能を持つPCベースのVODシステム(VQS)の開発
- 簡易復号処理による圧縮動画像データからのカット点検出
- 3-2 ビデオ圧縮(3.MPEGの符号化方式)( : MPEG)
- 再量子化によるMPEGレート変換方式の検討
- クラスタ内の画像をキー画像とした場合の類似画像検索
- キーワード画像抽出による動画像サマリの作成
- MPEG符号化における雑音除去のための後処理方式
- 映像信号の高能率符号化(ディジタルテレビ放送の基礎技術(第3回)
- インタレース動画像の高能率動き補償予測方式SVMC
- 情景画像中の文字及び看板領域の抽出
- 情景画像中の文字及び看板領域の抽出
- 顔のワイヤフレームモデルの自動適合の一手法
- SNAKEを用いた顔画像からの構成部品の輪郭抽出
- SNAKEを用いた顔画像からの構成部品の輪郭抽出
- 自由会話における発話内容と基本周波数変化の分析
- 基本周波数変化による自由会話の句境界検出
- 日本語自由発話会話音声のピッチパターンのラベリング認識
- 自由会話における基本周波数の立て直し現象に関する検討
- 韻律情報を利用した単語境界・文節境界検出の検討
- LPCケプストラムとピッチを用いたGMMに基づく話者認識(音響と音声処理,音声強調,ロバスト音声認識)
- LPCケプストラムとピッチを用いたGMMに基づく話者認識(音響と音声処理,音声強調,ロバスト音声認識)
- J-1 周波数選択特性を有する荷重メジアンフィルタによる雑音で劣化した画像の復元(画像処理1,J.グラフィクス・画像)
- 音声翻訳の課題
- 固有空間を利用した計算機による似顔絵の生成
- MPEG符号化されたサッカー映像に対するシーンの自動分類のための情報抽出(映像情報の検索技術と編集処理)
- 1-6 MPEG符号化データを利用したサッカー映像の自動分類
- 顔部品の形状特徴と配置特徴の強調による似顔絵の生成
- 23-8 固有空間を利用した似顔絵の自動生成
- SA-7-1 固有空間の切換えによる異なる画調の似顔絵の生成
- ニューラルネットワークを用いた音声と画像の統合による数の認識
- スケジューリングタスクの自由発話音声の言語的性質
- 音声自由会話の特徴分析
- MPEGビデオからのテロップ検出に関する一検討
- 12-4 MPEGビデオからのテロップ検出に関する検討
- シーンアダプティブなフレーム/フィールド構造をもつMPEG-2符号化アルゴリズム : 可変GOP構造、可変フレーム/フィールド構造符号化方式
- 10-6 KL展開を用いた手形状認識
- 言語情報処理への期待
- ユーザの簡易指定に基づく情景中の文字抽出と認識(画像情報)
- HMMを用いたシーンのアピアランスモデルとFace-to-Face変換への応用(一般セッション(7))(ユビキタスコンピューティングのためのパターン認識・理解)
- 動きアテンションによる物体の抽出とオンライン教師なし学習による物体認識(一般セッション(3))(ユビキタスコンピューティングのためのパターン認識・理解)
- A-10-24 話者モデルを用いた多チャンネル混合音声分離(A-10. 応用音響)
- A-10-23 参照再構成法を用いた周波数領域における混合音の分離(A-10. 応用音響)
- D-12-158 動きアテンションによる物体の抽出とオンライン教師なし学習による物体認識(D-12. パターン認識・メディア理解B)
- 話者情報を用いた周波数振り分けによる混合音声分離
- 参照再構成法を用いた時間領域における雑音除去と音響変化点抽出
- 領域拡張に基づく情景画像中の文字の抽出と認識
- 周波数振分けによるマルチチャネル混合音声の分離と音源定位(電気音響,音響一般)
- HMMを用いた単一画像からの物体形状復元(画像処理,画像パターン認識)
- 情景画像からの看板領域および看板文字の自動抽出(画像処理)
- D-14-7 サブバンド HMM を用いた音声の広帯域化
- マイクロホンアレーを用いた話者位置推定による車載音声認識
- マイクロホンアレーを用いた話者位置推定による車載音声認識
- マイクロホンアレーを用いた話者位置推定による車載音声認識
- SD-2-4 2次元MUSIC法による話者位置推定を用いた車載音声認識
- 車載音声認識のための2次元MUSIC法を用いた話者位置推定
- 屋内外の情景画像を対象とした看板文字の自動抽出
- D-12-23 情景画像からの情報取得を目的とした看板文字の自動認識
- 基本周波数時系列データを用いた会話音声の韻律制御の検討
- 音素配列構造の制約を用いた音素タイプライタ
- MPEG符号化データからのオーディオインデキシング
- 識別関数を用いたMPEGオーディオ情報の自動分類
- MPEG符号化データからのAudio情報の分類
- 部分復号を用いたMPEGデータからのカット点検出
- キーワードスポッティングを用いた話題抽出
- キーワードスポッティングを用いた話題抽出
- 携帯電話のためのコマンド音声認識
- 1-5 情景画像中の看板領域の抽出
- MPEG動画像データからの移動物体の検出
- マルチメディアデータ用イントラネットシステムの開発(2) : マルチメディアデータ処理
- CATV回線上のLANを用いたVOD実験
- MPEG符号化データからの移動物体の検出
- 圧縮動画像データからのディゾルブ検出
- 重回帰写像モデルに基づく話者適応法の検討
- 音節バイグラムを用いた固有名詞の音声認識
- A-4-24 マイクロフォンアレーを用いた三次元空間における複数話者位置推定
- 自由会話における数字音声に対する音声認識の検討
- D-14-12 到来時間差を利用した周波数振り分けによる混合音声分離
- 周波数領域における混合音声の分離
- 周波数領域における混合音声の分離
- マイクロホン対を用いた帯域分割型固有分解による混合音声の分離
- スケジューリングタスクにおける自由発話音声の特徴