講演抄録/キーワード |
講演名 |
2018-02-15 15:45
楽曲聴取時のユーザに誘起される感情の推定に関する検討 ~ 深層学習の導入による高精度化 ~ ○段 博瀟・小川貴弘・長谷山美紀(北大) |
抄録 |
(和) |
本文では,感情に基づく楽曲推薦を目的とした楽曲聴取時のユーザに誘起される感情の推 定手法について提案を行う.提案手法では,楽曲から抽出される音響特徴および楽曲聴取時のユーザ から抽出される心拍特徴を用いることで,感情推定を実現する.提案手法の音響特徴には,畳み込み ニューラルネットワーク (ConvolutionalNeural Networks; CNN) の中間層から得られる特徴を,心拍特 徴には再帰型ニューラルネットワーク (Recurrent Neural Networks; RNN) の中間層から得られる特徴 を用いる.さらに,これらの音響特徴および心拍特徴の相関が最大となる正準特徴を算出し,その後, 感情推定の識別器を構築する.実験では,実際に楽曲を聴取したユーザに誘起される感情の推定を行 い,得られた結果を比較することで,その有効性を確認する. |
(英) |
This paper presents a method that estimates users’ emotion evoked during listening to music. In our method, we use audio features from the music data and Heart Rate Variability (HRV) features from the listening users and then calculate their canonical features. Next, we use the canonical features to build a classifier for the emotion estimation. Note that the audio features are extracted from the middle layer of the convolutional neural networks. Furthermore, the HRV features are extracted from the middle layer of the recurrent neural networks. We expect that by using the canonical features, more successful classification become realistic compared to the conventional methods. In the experiments, we compare the results of using the canonical features and those of several methods. In addition, the validity of the proposed method is confirmed. |
キーワード |
(和) |
楽曲 / 感情推定 / 音響特徴 / 心拍特徴 / 深層学習 / / / |
(英) |
music / emotion estimation / audio features / HRV features / deep learning / / / |
文献情報 |
信学技報 |
資料番号 |
|
発行日 |
|
ISSN |
|
PDFダウンロード |
|
研究会情報 |
研究会 |
ITS IE ITE-MMS ITE-HI ITE-ME ITE-AIT |
開催期間 |
2018-02-15 - 2018-02-16 |
開催地(和) |
北海道大学 |
開催地(英) |
Hokkaido Univ. |
テーマ(和) |
画像処理および一般 |
テーマ(英) |
Image Processing, etc. |
講演論文情報の詳細 |
申込み研究会 |
ITE-ME |
会議コード |
2018-02-ITS-IE-MMS-HI-ME-AIT |
本文の言語 |
日本語 |
タイトル(和) |
楽曲聴取時のユーザに誘起される感情の推定に関する検討 |
サブタイトル(和) |
深層学習の導入による高精度化 |
タイトル(英) |
A Note on Estimation of Users' Emotion Evoked During Listening to Music |
サブタイトル(英) |
Performance Improvement Based on Deep Learning Method |
キーワード(1)(和/英) |
楽曲 / music |
キーワード(2)(和/英) |
感情推定 / emotion estimation |
キーワード(3)(和/英) |
音響特徴 / audio features |
キーワード(4)(和/英) |
心拍特徴 / HRV features |
キーワード(5)(和/英) |
深層学習 / deep learning |
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) |
段 博瀟 / Hakusyou Dan / ダン ハクショウ |
第1著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第2著者 氏名(和/英/ヨミ) |
小川 貴弘 / Takahiro Ogawa / オガワ タカヒロ |
第2著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第3著者 氏名(和/英/ヨミ) |
長谷山 美紀 / Miki Haseyama / ハセヤマ ミキ |
第3著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
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 |
2018-02-15 15:45:00 |
発表時間 |
15分 |
申込先研究会 |
ITE-ME |
資料番号 |
|
巻番号(vol) |
vol.117 |
号番号(no) |
|
ページ範囲 |
|
ページ数 |
|
発行日 |
|