講演抄録/キーワード |
講演名 |
2010-06-17 16:15
ブースティングによるマルチモーダル音声区間検出の結果統合 ○竹内伸一・羽柴隆志・田村哲嗣・速水 悟(岐阜大) SP2010-26 |
抄録 |
(和) |
音声認識の前段階として用いられる音声区間検出技術(Voice Activity
Detection, VAD)には高い雑音区間除去能力が求められる.耐雑音性を向上させる
手法のひとつとしてマルチモーダルVADがあり,音声のノイズに影響を受けない画
像情報を用いることで精度向上が期待できる.本報告では各モダリティから得ら
れた結果をブースティングによって統合する,マルチモーダルVADの結果統合につ
いて検討を行う.AdaBoostは機械学習の手法のひとつであり,複数の弱識別器を
統合することで強識別器を作成する.学習によって各学習器毎に求められた重み
を考慮して2クラス分類が行われる.提案手法では音声/画像特徴量を識別器とし
て学習を行い,各特徴量から得られた結果を用いた重みつき多数決で結果統合を
行う.実験結果から,雑音重畳環境下では画像特徴量に重みを付与した多数決に
よる結果統合が有効であることがわかった. |
(英) |
In this paper, we propose a multi-modal voice activity detection system
(VAD) that uses audio and visual information. In multi-modal (speech)
signal processing, there are two methods for fusing the audio and the
visual information: concatenating the audio and visual features, and
employing audio-only and visual-only classifiers, then fusing the
unimodal decisions. We investigate the effectiveness of decision fusion
given by the results from AdaBoost. AdaBoost is one of the machine
learning method. By using AdaBoost, the effective classifier is
constructed by combining weak classifiers. It classifies input data
into two classes based on the weighted results from weak classifiers.
In proposed method, this fusion scheme is applied to decision fusion of
multi-modal VAD. Experimental results show proposed method to
generally be more effective. |
キーワード |
(和) |
音声区間検出 / マルチモーダル / ブースティング / / / / / |
(英) |
Voice Activity Detection / VAD / MultiModal / Boosting / / / / |
文献情報 |
信学技報, vol. 110, no. 81, SP2010-26, pp. 25-30, 2010年6月. |
資料番号 |
SP2010-26 |
発行日 |
2010-06-10 (SP) |
ISSN |
Print edition: ISSN 0913-5685 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 |
SP2010-26 |
研究会情報 |
研究会 |
SP |
開催期間 |
2010-06-17 - 2010-06-18 |
開催地(和) |
九州大学筑紫キャンパス 共通管理棟3階 大会議室 |
開催地(英) |
Kyushu University |
テーマ(和) |
音声・言語・音響教育,一般 |
テーマ(英) |
Speech/Language/Acoustic Education, etc. |
講演論文情報の詳細 |
申込み研究会 |
SP |
会議コード |
2010-06-SP |
本文の言語 |
日本語 |
タイトル(和) |
ブースティングによるマルチモーダル音声区間検出の結果統合 |
サブタイトル(和) |
|
タイトル(英) |
Decision Fusion using Boosting Method for Multi-Modal Voice Activity Detection |
サブタイトル(英) |
|
キーワード(1)(和/英) |
音声区間検出 / Voice Activity Detection |
キーワード(2)(和/英) |
マルチモーダル / VAD |
キーワード(3)(和/英) |
ブースティング / MultiModal |
キーワード(4)(和/英) |
/ Boosting |
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) |
竹内 伸一 / Shin'ichi Takeuchi / タケウチ シンイチ |
第1著者 所属(和/英) |
岐阜大学 (略称: 岐阜大)
Gifu University (略称: Gifu Univ.) |
第2著者 氏名(和/英/ヨミ) |
羽柴 隆志 / Takashi Hashiba / ハシバ タカシ |
第2著者 所属(和/英) |
岐阜大学 (略称: 岐阜大)
Gifu University (略称: Gifu Univ.) |
第3著者 氏名(和/英/ヨミ) |
田村 哲嗣 / Satoshi Tamura / タムラ サトシ |
第3著者 所属(和/英) |
岐阜大学 (略称: 岐阜大)
Gifu University (略称: Gifu Univ.) |
第4著者 氏名(和/英/ヨミ) |
速水 悟 / Satoru Hayamizu / ハヤミズ サトル |
第4著者 所属(和/英) |
岐阜大学 (略称: 岐阜大)
Gifu University (略称: Gifu Univ.) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2010-06-17 16:15:00 |
発表時間 |
30分 |
申込先研究会 |
SP |
資料番号 |
SP2010-26 |
巻番号(vol) |
vol.110 |
号番号(no) |
no.81 |
ページ範囲 |
pp.25-30 |
ページ数 |
6 |
発行日 |
2010-06-10 (SP) |