HMMを用いたオフライン手書き単語認識における環境クラスタリングとGMMの同時最適化(テーマセッション,文字・文書の認識と理解)
スポンサーリンク
概要
- 論文の詳細を見る
音声認識で広く使われている環境依存HMMには、環境クラスタリングとtied-mixtureの二つのアプローチがあり、環境クラスタリングの方が認識精度が高いことが報告されている。しかし、手書き単語認識の場合、筆記体とブロック体など全く異なる字体が一つの文字カテゴリに混在するため、環境クラスタリングが困難となる。そこで、これを解決する方法として、環境クラスタリングと混合ガウス分布(GMM)の同時最適化法を提案する。まず環境クラスタリングをEMアルゴリズムで最適化する方法を述べ、更にそれを拡張しGMMの同時最適化を導く。CEDARデータベースを用いた実験によりtied-mixtureによる従来法と比べ最大24.2%のエラー削減率を確認した。また計算効率同等の条件でも提案法の認識精度が高いことを確認した。
- 2011-03-03
著者
-
浜村 倫行
株式会社東芝
-
入江 文平
株式会社東芝
-
西本 卓也
東京大学情報理工学系研究科システム情報学専攻
-
小野 順貴
東京大学情報理工学系研究科システム情報学専攻
-
嵯峨山 茂樹
東京大学情報理工学系研究科システム情報学専攻
-
西本 卓也
東京大学大学院情報理工学系研究科
-
嵯峨山 茂樹
東京大学大学院情報理工学系研究科
-
小野 順貴
東京大学大学院情報理工学系研究科
-
嵯峨山 茂樹
NTTヒューマンインタフェース研究所
-
嵯峨山 茂樹
北陸先端科学技術大学院大学情報科学研究科情報処理学専攻
-
西本 卓也
東京大学大学院情報理工学系研究科システム情報学専攻
-
西本 卓也
東京大学
-
小野 順貴
東京大学情報理工学系研究科
-
小野 順貴
東京大学
-
嵯峨山 茂樹
東京大学情報理工学系研究科
関連論文
- スパース性に基づくブラインド音源分離を用いたステレオ入力音声認識(音声,聴覚)
- 事後確率と最良優先探索を用いた複数段構成パターン認識の認識戦略 : 住所認識への応用を例として(テーマセッション7,文字・文書の認識・理解)
- 音声認識応用に関する学会試行標準
- 音楽知識に基づく音高・音長の組合せ特徴量を用いたMIDIデータからの作曲家判別(音楽解析)
- 文字構造の文法記述に基づくオンライン手書き漢字列認識(テーマセッション4,文字・文書の認識・理解)
- 日本語歌詞からの自動作曲(音楽とOR)
- テンポ曲線と隠れマルコフモデルを用いた多声音楽MIDI演奏のリズムとテンポの同時推定(演奏認識/合成,便利で身近な音楽情報処理)
- ラジオ放送番組におけるスポーツ実況中継の分析(視覚障害/聴覚障害,一般)
- ラジオ放送番組におけるスポーツ実況中継の分析
- 調波音・打楽器音分離手法を用いた音楽音響信号からの自動和音認識(音響分析一般(2))
- Orpheus : 歌詞の韻律に基づいた自動作曲システム(自動作曲)
- パワースペクトログラムの伸縮に基づく多重音信号の再生速度と音高の実時間制御
- 早口合成音声の聴取実験によるテキスト音声合成の評価(視覚障害/聴覚障害/一般)
- 視覚障害者の聴覚認知の解明と音声対話への利用に向けて(ヒューマンコミュニケーショングループ (HCG) シンポジウム)
- 音声対話技術コンソーシアム(ISTC)の活動成果報告(SIG-SLP内組織の活動報告)
- マルチモーダル対話システムのための階層的アーキテクチャの提案
- 対面朗読者と視覚障害者の対話の分析とその応用(セッション3 : 理解るインタフェース : 音声対話)
- 対面朗読者と視覚障害者の対話の分析(ヒューマンコミュニケーショングループ(HCG)シンポジウム)
- スパース性に基づくブラインド音源分離を用いたステレオ入力音声認識
- HP-1-5 ラジオ放送支援システム「オラビー」の開発(HP-1.放送メディアにおける福祉情報の現状と可能性,パネル討論,ソサイエティ企画)
- スパース性に基づくブラインド音源分離を用いた2チャンネル入力音声認識(音響処理・話者同定,第10回音声言語シンポジウム)
- モルフォロジ収縮処理と構造特徴複製に基づく画像インペインティング(一般セッション,手,顔,身体表現の認識,理解)
- モルフォロジ収縮処理と構造特徴複製に基づく画像インペインティング(一般セッション2)
- 複数残響特性下の音声を単一モデル学習に用いた未知残響環境に頑健な音声認識の検討(福祉と音声処理,一般)
- 4.インターネットと音声合成(バリアフリー社会に向けた音声情報処理)
- 音声CAPTCHAシステムにおける削除法と混合法の比較(福祉と音声処理,一般)
- 超早口音声の聴取における単語親密度の教示効果
- 音韻修復効果を用いた音声CAPTCHAの検討
- 音韻修復効果を用いた音声CAPTCHAの検討(高齢者の認知機能保障技術及び一般)
- 超早口音声の聴取における単語親密度の教示効果(高齢者の認知機能保障技術及び一般)
- 第46回ヒューマンインタフェース学会研究会報告
- 第2回 音声対話システムの開発方法論とプラットフォーム
- 探索的検索のための音声入力インタフェースの検討
- マルコフ確率場を用いた調認識、自動和声付け、および自動対位法
- 調波時間構造化クラスタリング(HTC)による音楽音響特徴量の同時推定
- 7. 擬人化音声対話エージェント(音声情報処理技術の最先端)
- 頭部モーションセンサと音声を用いた対話インタフェースの検討(福祉と知能・情動・認知障害,福祉と音声処理,一般)
- 頭部モーションセンサと音声を用いた対話インタフェースの検討(福祉と知能・情動・認知障害,福祉と音声処理,一般)
- 頭部モーションセンサと音声を用いた対話インタフェースの検討(福祉と知能・情動・認知障害,福祉と音声処理,一般)
- 頭部モーションセンサと音声を用いた対話インタフェースの検討
- 頭部モーションセンサと音声を用いた対話インタフェースの検討
- 音声CAPTCHAのための音韻修復効果の検討
- 解析的単語認識における事後確率を用いた評価関数(画像認識,コンピュータビジョン)
- 事後確率を用いた解析的単語認識 : 文字切り出し数の正規化(テーマセッション1(テキスト処理・文字列画像処理),文字・文書の認識・理解)
- 単語認識における事後確率を用いた評価関数(一般,ヒューマンインタラクションとパターン認識・メディア解理・言語理解,一般)
- LI-9 3×3メディアンフィルタの高速アルゴリズム(I. 画像認識・メディア理解)
- 2クラス判別の統合による多クラス判別の一手法
- 2クラス判別の統合による多クラス判別の一手法
- D-12-5 連続手書き漢字認識
- D-12-13 変形手書き文字認識
- 21世紀に向けて文字・文書メディアの認識・理解の夢と課題
- 調波構造・時間包絡・音色の統合的クラスタリングによる楽音分析(音楽音響信号処理 (2))
- ハーモニッククラスタリングと情報量規準による音楽の音高/音源数の推定(山下記念研究賞受賞記念講演)
- 音声認識技術を用いた音楽情報処理
- Specmurtにおける凖最適共通調波構造パターンの反復推定による多声音楽信号の可視化とMIDI変換(音楽音響信号認識)
- 歌唱曲自動作曲の需要と今後 - 2年間のOrpheus運用を通じて
- 単旋律と和音の確率モデルの組み合わせによるピアノ曲演奏の自動表情付け
- 非和声音規則に基づく経路制約を用いた旋律自動生成
- 単語親密度を統制した超早口音声の聴取に対する慣れの検討(福祉情報工学,ヒューマンコミュニケーション〜人間中心の情報環境構築のための要素技術〜論文)
- G-001 最大エントロピーモデルに基づく統計的な音楽情報の解析(G分野:音声・音楽)
- 第53回WIT研究会におけるリアルタイム映像配信の報告
- 音声言語インタフェースのための情報処理学会試行標準
- 歌唱曲自動作曲の需要と今後 : 2年間の Orpheus 運用を通じて
- 階層的MMIアーキテクチャに基づくプラットフォーム実装方法の検討
- 複素スペクトル円心(CSCC)の推定に基づくマイクロホンアレーによる雑音抑圧
- スパース性に基づくブラインド音源分離を用いた2チャンネル入力音声認識(音響処理・話者同定,第10回音声言語シンポジウム)
- モルフォロジ収縮処理と構造特徴複製に基づく画像インペインティング(一般セッション,手,顔,身体表現の認識,理解)
- 動的計画法に基づく自動対位法
- 動的計画法と音列出現確率を用いた対位法の対旋律の自動生成(音楽生成・システム)
- ノイズや文字認識誤りを許容できるワードマッチング法
- I-018 ストロークをベースとした確率自由文脈文法による手書き数式の認識(I分野:画像認識・メディア理解)
- モーダル間の共起関係を考慮した階層的トピック軌跡モデルによる映像認識検索(IBIS2010(情報論的学習理論ワークショップ))
- タスクに依存しない音声対話の制御方式(音声, 聴覚)
- HMMを用いたオフライン手書き単語認識における環境クラスタリングとGMMの同時最適化 (パターン認識・メディア理解)
- ISO/IEC MPEG-4 Audio Lossless Coding (ALS)におけるチャネル内とチャネル間の長期予測(国際標準に向けたテレコム技術とその効用論文)
- 多チャンネル時系列信号のロスレス符号化
- チャネル間相関を用いた多チャネル信号の可逆圧縮符号化(産学連携論文)
- 早口音声の聴取訓練における単語親密度の影響(一般(ポスターセッション),第9回音声言語シンポジウム)
- 早口音声の聴取訓練における単語親密度の影響(一般(ポスターセッション),第9回音声言語シンポジウム)
- 早口音声の聴取訓練における単語親密度の影響(一般(ポスターセッション),第9回音声言語シンポジウム)
- 早口音声聴取における単語親密度と学習効果の検討
- 早口音声聴取における単語親密度と学習効果の検討
- 対面朗読者と視覚障害者の対話の分析とその応用(セッション3 : 理解るインタフェース : 音声対話)
- 確率文脈自由文法を用いた和声学規則の表現と楽曲の自動和声解析(表情付け・分析)
- 確率文脈自由文法を用いた和声学規則の表現と楽曲の自動和声解析(表情付け・分析)
- 複数残響特性下の音声を単一モデル学習に用いた未知残響環境に頑健な音声認識の検討(福祉と音声処理,一般)
- 確率モデルによる多声音楽演奏のMIDI信号のリズム認識(音楽情報科学)
- ストローク単位の確率文脈自由文法を用いたオンライン手書き数式データベースの作成(テーマセッション4(数式),文字・文書の認識・理解)
- ストローク単位の確率文脈自由文法を用いたオンライン手書き数式認識(テーマセッション(3),文字認識・文書理解)
- ストローク単位の確率文脈自由文法を用いたオンライン手書き数式認識(テーマセッション(3), 文字認識・文書理解)
- 実世界環境における視聴覚情報を統合した擬人化対話エージェントシステムの検討
- HMMによるMIDI演奏の楽譜追跡と自動伴奏
- 音声入力への応答タイミング決定のための強化学習の検討
- パート除去を目的とした楽譜と音響信号のアラインメント手法の検討(音楽音響信号処理 (1))
- M-016 チャンネル間相関を用いた多チャンネル信号の可逆圧縮符号化(M.ネットワーク・モバイルコンピューティング)
- 21世紀に向けた文字認識研究の取組み
- HMMを用いたオフライン手書き単語認識における環境クラスタリングとGMMの同時最適化(テーマセッション,文字・文書の認識と理解)
- 効率的なパラメータ共有を用いた環境依存HMMによるオフライン手書き単語認識
- 手書き単語認識における解析的手法と全体的手法のベイズ決定則に基づいた統合フレームワーク
- 郵便物の欧文手書き住所認識技術