音素部分空間の統合による音声特徴量抽出の検討(特徴量・音響モデル,第9回音声言語シンポジウム)
スポンサーリンク
概要
- 論文の詳細を見る
本稿では,事前学習による音声特徴量抽出の枠組みの中で,音素部分空間の統合により,得られた空間へ観測ベクトルを線形射影する特徴量抽出法を提案する.近年,音声認識システムで最も使われている特徴量空間はMFCC(Mel-Frequency Cepstrum Coefficient)空間である.MFCC空間は対数メルフィルタバンク出力に離散コサイン変換を適用することにより得られる空間であるが,この射影軸は対象とする音声データの音響特徴に依存することなく一意に決まる.音声認識システムの実用化のためには,実環境で収録された音声データに潜在する音素情報以外の情報を除去する必要がある.MFCCは様々なノイズ抑制手法と組み合わせて使われているが,想定できないノイズが混入すると性能の劣化は避けられない.そこで本研究では,対象データに対し事前学習を行い,観測データから音素情報だけを抽出する部分空間(射影行列)を推定する.具体的には各音素データに対して主成分分析や判別分析を用い特定音素情報を抽出する部分空間を求め,さらに各音素部分空間へ射影された全てのデータに対して主成分分析を行い各音素部分空間を統合する.この統合された部分空間は対象とする音声の音素情報が含まれる空間になり,観測データから音素情報だけ抽出することができる.評価実験としては提案する特徴量を用い,音素HMM(Hidden Markov Model)を学習し,クリーン音声と残響音声の孤立単語認識を行った.評価実験の結果,提案手法の有効性が確かめられた.
- 社団法人電子情報通信学会の論文
- 2007-12-13
著者
関連論文
- Net Tv : Net Newsとテレビ放送のクロスプラットフォームにおける動画インデキシングと音声検索(セッション2:放送とネットワーク技術)
- NetTv : NetNews とテレビ放送のクロスプラットフォームにおける動画インデキシングと音声検索
- 音響・言語モデルの適応処理によるスポーツ実況中継の音声認識(音声,聴覚)
- 雑音下音声認識評価ワーキンググループ活動報告 : 認識に影響する要因の個別評価環境(3)(SIG-SLP内組織の活動報告)
- 雑音下音声認識評価ワーキンググループ活動報告 : 認識に影響する要因の個別評価環境(2)(雑音・VAD,第9回音声言語シンポジウム)
- 雑音下音声認識評価ワーキンググループ活動報告 : 認識に影響する要因の個別評価環境 (2)(雑音・VAD,第9回音声言語シンポジウム)
- 雑音下音声認識評価ワーキンググループ活動報告 : 認識に影響する要因の個別評価環境(第8回音声言語シンポジウム)
- 雑音下音声認識評価ワーキンググループ活動報告 : 認識に影響する要因の個別評価環境(Session-1 検出,第8回音声言語シンポジウム)
- 音声認識における頑健性 : 音響分析・音響モデル,なにが課題か(企画)
- CENSREC-1-C : 雑音下音声区間検出評価基盤の構築
- メタモデルと音響モデルの統合による構音障害者の音声認識(福祉と音声処理,一般)
- SLP雑音下音声認識評価WG活動報告 : 評価用データと評価手法について(Session-6 スペシャルセッション: 共通コーパスを利用した耐雑音技術評価, 第7回音声言語シンポジウム)
- 情報家電操作における脳性麻痺構音障害者の音声認識評価(福祉情報工学一般)
- マルチモーダルインタラクションによるニュース映像中の人物認識(システム論文特集号)
- スペクトル平面における勾配ヒストグラムに基づく音声特徴量の検討(ポスターセッション,第10回音声言語シンポジウム)
- メタモデルと音響モデルの統合による構音障害者の音声認識(福祉と音声処理,一般)
- 雑音下音声認識評価ワーキンググループ活動報告 : 認識に影響する要因の個別評価環境(2)(雑音・VAD,第9回音声言語シンポジウム)
- 雑音下マルチモーダル音声認識評価基盤CENSREC-1-AVの構築
- D-14-7 AdaBoostと音声・唇GMMによる発話区間検出(D-14.音声・聴覚,一般講演)
- 構音障害者の音声認識における動的特徴量の考察(福祉と音声処理,一般)
- 雑音下音声認識評価ワーキンググループ活動報告 : 認識に影響する要因の個別評価環境(Session-1 検出,第8回音声言語シンポジウム)
- SLP雑音下音声認識評価WG活動報告 : 評価用データと評価手法について(Session-6 スペシャルセッション: 共通コーパスを利用した耐雑音技術評価, 第7回音声言語シンポジウム)
- SLP雑音下音声認識評価WG活動報告 : 評価用データと評価手法について(Session-6 スペシャルセッション: 共通コーパスを利用した耐雑音技術評価, 第7回音声言語シンポジウム)
- AAMを用いた顔方位にロバストな唇領域特徴抽出と音声特徴による構音障害者の音声認識(一般(ポスターセッション),第11回音声言語シンポジウム)
- Buried Markov Modelを用いた構音障害者の音声認識の検討(テーマセッション,福祉と見守りのための画像・音声処理)
- Buried Markov Modelを用いた構音障害者の音声認識の検討(テーマセッション,福祉と見守りのための画像・音声処理)
- Buried Markov Modelを用いた構音障害者の音声認識の検討(テーマセッション,福祉と見守りのための画像・音声処理)
- 構音障害者の音声認識の検討(福祉と知能・情動・認知障害,福祉と音声処理,一般)
- 構音障害者の音声認識の検討(福祉と知能・情動・認知障害,福祉と音声処理,一般)
- 構音障害者の音声認識の検討(福祉と知能・情動・認知障害,福祉と音声処理,一般)
- 音声情報と画像情報の併用による商品紹介映像のセグメンテーション(音声,聴覚)
- GMMとEMアルゴリズムを用いた加法性雑音及び乗法性ひずみの抑圧(音声, 聴覚)
- GMMに基づく音声信号推定法と時間領域SVDに基づく音声強調法の併用による雑音下音声認識(音声, 聴覚情報論的学習理論論文)
- GMMとEMアルゴリズムを用いた加法性雑音及び乗法性歪みの抑圧(第5回音声言語シンポジウム : 耐雑音)
- GMMとEMアルゴリズムを用いた加法性雑音及び乗法性歪みの抑圧(第5回音声言語シンポジウム : 耐雑音)
- AAMを用いた顔方位にロバストな唇領域特徴抽出と音声特徴による構音障害者の音声認識(一般(ポスターセッション),第11回音声言語シンポジウム)
- 構音障害者の音声認識の検討
- 制約付き非負行列因子分解を用いた音声特徴抽出の検討(音声認識・音響モデル,第10回音声言語シンポジウム)
- 制約付き非負行列因子分解を用いた音声特徴抽出の検討(音声認識・音響モデル,第10回音声言語シンポジウム)
- 制約付き非負行列因子分解を用いた音声特徴抽出の検討(音声認識・音響モデル,第10回音声言語シンポジウム)
- ボールと選手に着目したディジタルカメラワークの実現法 : ディジタルシューティングによるサッカー解説映像生成システムに向けて(放送現業・コンテンツ制作)
- 野球中継のハイライトシーン実時間配信を目的とした特徴のマイニングによるPCシーンの自動検出(デジタル放送・伝送方式)
- 映像文法に基づいた実時間使用可能ショット識別による撮影ナビゲーションシステム(マルチメディアとパターン認識理解,一般)
- D-12-170 選手とボールに着目したディジタルカメラワーク実現法の検討 : HD映像からのサッカー映像自動生成に向けて(D-12. パターン認識・メディア理解B)
- J-012 個人適応型サッカー映像の自動生成技術(J分野:グラフィクス・画像)
- スペクトル平面における勾配ヒストグラムに基づく音声特徴量の検討(ポスターセッション,第10回音声言語シンポジウム)
- スペクトル平面における勾配ヒストグラムに基づく音声特徴量の検討(ポスターセッション,第10回音声言語シンポジウム)
- D-12-18 マルチ識別器を用いた花画像検索システムの構築(D-12.パターン認識・メディア理解,一般講演)
- 音声認識のフロントエンド(自動音声認識研究の動向と展望)
- 知識を用いた音声認識による野球実況中継の構造化(音声言語応用)(第6回音声言語シンポジウム)
- 知識を用いた音声認識による野球実況中継の構造化(音声言語応用)(第6回音声言語シンポジウム)
- 知識を用いた音声認識による野球実況中継の構造化(音声言語応用)(第6回音声言語シンポジウム)
- D-12-80 顔特徴点移動量・点間距離変化量の組み合わせに基づく顔表情認識(D-12.パターン認識・メディア理解,一般講演)
- 画像セグメンテーションにおけるウェーブレット係数の局所テクスチャ特徴量を用いたGraphCuts(一般セッション,パターン認識・メディア理解のための学習理論とその周辺)
- D-12-88 マルチテンプレート型二次元CSPによる高速目領域検索(D-12.パターン認識・メディア理解,一般講演)
- I_022 二次元CSPによる目領域探索の高速化(I分野:画像認識・メディア理解)
- 弱識別器にSVMを用いたAdaBoostの検討(一般(ポスターセッション),第9回音声言語シンポジウム)
- 弱識別器にSVMを用いたAdaBoostの検討(一般(ポスターセッション),第9回音声言語シンポジウム)
- 弱識別器にSVMを用いたAdaBoostの検討(一般(ポスターセッション),第9回音声言語シンポジウム)
- Net Tv : Net Newsとテレビ放送のクロスプラットフォームにおける動画インデキシングと音声検索(セッション2:放送とネットワーク技術)
- コンテキストアウェアネスに基づく対話型テレビの検討
- Multi-class AdaBoostを用いた雑音検出(第8回音声言語シンポジウム)
- Multi-class AdaBoostを用いた雑音検出(Session-1 検出,第8回音声言語シンポジウム)
- Multi-class AdaBoostを用いた雑音検出(Session-1 検出,第8回音声言語シンポジウム)
- Bag of Grammarとルールベース手法を用いたドメイン依存性の少ないハイブリッド型Whyテキストセグメント判定(情報アクセス(オーガナイズドセッション),第12回音声言語シンポジウム:情報アクセス,音声・言語処理一般)
- Bag of Grammarとルールベース手法を用いたドメイン依存性の少ないハイブリッド型Whyテキストセグメント判定(情報アクセス(オーガナイズドセッション),第12回音声言語シンポジウム:情報アクセス,音声・言語処理一般)
- 音素部分空間の統合による音声特徴量抽出の検討(特徴量・音響モデル,第9回音声言語シンポジウム)
- 音素部分空間の統合による音声特徴量抽出の検討(特徴量・音響モデル,第9回音声言語シンポジウム)
- 音素部分空間の統合による音声特徴量抽出の検討(特徴量・音響モデル,第9回音声言語シンポジウム)
- 音素PCAを用いた残響下における音声特徴量抽出
- AdaBoostを用いたシステムへの問い合わせと雑談の判別(第8回音声言語シンポジウム)
- AdaBoostを用いたシステムへの問い合わせと雑談の判別(Session-1 検出,第8回音声言語シンポジウム)
- AdaBoostを用いたシステムへの問い合わせと雑談の判別(Session-1 検出,第8回音声言語シンポジウム)
- 音響モデルを利用したシングルチャネルによる音源方向推定(ブラインド信号処理/一般)