| Item type |
SIG Technical Reports(1) |
| 公開日 |
2023-02-21 |
| タイトル |
|
|
タイトル |
半教師あり学習に基づく音響シーンと音響イベントの同時分析 |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
EA2 |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_18gh |
|
資源タイプ |
technical report |
| 著者所属 |
|
|
|
同志社大学理工学部 |
| 著者所属 |
|
|
|
同志社大学理工学部 |
| 著者所属 |
|
|
|
同志社大学理工学部 |
| 著者所属(英) |
|
|
|
en |
|
|
Faculty of Science and Engineering, Doshisha University |
| 著者所属(英) |
|
|
|
en |
|
|
Faculty of Science and Engineering, Doshisha University |
| 著者所属(英) |
|
|
|
en |
|
|
Faculty of Science and Engineering, Doshisha University |
| 著者名 |
五十嵐, 彩美
椿, 俊介
井本, 桂右
|
| 著者名(英) |
Ami, Igarashi
Shunsuke, Tsubaki
Keisuke, Imoto
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
本稿では音響イベントの強ラベルデータと弱ラベルデータを併用する半教師あり学習に基づく，音響シーンと音響イベントの同時分析手法を提案する．音響イベント検出では，強ラベルデータを用いてモデル学習を行うことで良い性能が得られることが報告されている．しかしながら，環境音に対して音の発生時刻を付与する作業は非常に時間を要することが知られており，大量の学習データを収集することは困難である．一方，音響イベント検出に弱ラベルデータを用いて同時分析する手法も提案されているが，強ラベルデータを用いた場合と比較して，分析性能が低下するという課題がある．そこで本研究では，強ラベルデータと弱ラベルデータを組み合わせてモデル学習を行う半教師あり学習に基づく同時分析手法を提案する．また，環境音分析のオープンデータセットである TUT Acoustic Scenes 2016/2017 および TUT Sound Events 2016/2017 を用いた評価実験により，提案手法の振る舞いについて詳細な分析を行う． |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AN10442647 |
| 書誌情報 |
研究報告音声言語情報処理（SLP）
巻 2023-SLP-146,
号 46,
p. 1-6,
発行日 2023-02-21
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8663 |
| Notice |
|
|
|
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. |
| 出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJ-SLP23146046.pdf (1.2 MB)
