| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-12-02 13:50 音声特徴とテキスト特徴の協調利用によるマルチモーダル感情認識 ○永瀬亮太郎・福森隆寛・山下洋一（立命館大）  NLC2020-14 SP2020-17 |
|
| 抄録 | （和） | 感情音声認識では，ニューラルネットワークを応用した研究が盛んに取り組まれており，音声合成や音声認識と同様に年々認識率の向上がみられる．また，音声だけでなく画像情報や言語情報などを統合的に用いたマルチモーダルな感情認識も盛んに研究されている．本研究では，発話単位の音声とテキストを入力として，音響特徴量と埋め込みベクトルによる言語特徴量を協調的に利用した感情音声認識を行う．事前に感情音声認識と感情テキスト認識を学習し，各認識器から得られる特徴量を融合する early-fusion と認識結果を融合する late-fusion を適用することで，単体の感情認識器よりも高い認識率を目指す． |
| （英） | In recent years, the advanced techique of deep learning has improved the performance of Speech Emotional Recognition as well as speech synthesis or speech recognition. Moreover, multi-mordal emotion recognition which integrates linguistic or facial image features with acoustic features has outperformed conventional methods as well. In this paper, we propose a method of SER by using acoustic and linguistic features at the utterance level. Firstly, speech and text emotion recognition are trained with Japanese emotional speech corpus. Then, we aim to improve accuracy by using early-fusion which fuses linguistic and acoustic features and late-fusion which fuses predicted values by each model. | |
| キーワード | （和） | 感情音声認識 / 感情テキスト認識 / マルチモーダル / early-fusion / late-fusion / / / |
| （英） | Speech Emotion Recognition / Text Emotion Recognition / Multi-Modal / early-fusion / late-fusion / / / | |
| 文献情報 | 信学技報, vol. 120, no. 271, SP2020-17, pp. 7-12, 2020年12月. | |
| 資料番号 | SP2020-17 | |
| 発行日 | 2020-11-25 (NLC, SP) | |
| ISSN | 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 | NLC2020-14 SP2020-17 |
|
| 研究会情報 | |
| 研究会 | NLC IPSJ-NL SP IPSJ-SLP |
| 開催期間 | 2020-12-02 - 2020-12-03 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 音声言語および自然言語処理シンポジウム |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2020-12-NLC-NL-SP-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 音声特徴とテキスト特徴の協調利用によるマルチモーダル感情認識 |
| サブタイトル（和） | |
| タイトル（英） | Multi-Modal Emotion Recognition by Integrating of Acoustic and Linguistic Features |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 感情音声認識 / Speech Emotion Recognition |
| キーワード(2)（和/英） | 感情テキスト認識 / Text Emotion Recognition |
| キーワード(3)（和/英） | マルチモーダル / Multi-Modal |
| キーワード(4)（和/英） | early-fusion / early-fusion |
| キーワード(5)（和/英） | late-fusion / late-fusion |
| 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） | 永瀬 亮太郎 / Ryotaro Nagase / ナガセ リョウタロウ |
| 第1著者 所属（和/英） | 立命館大学 (略称： 立命館大) Ritsumeikan University (略称： Ritsumeikan Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 福森 隆寛 / Takahiro Fukumori / フクモリ タカヒロ |
| 第2著者 所属（和/英） | 立命館大学 (略称： 立命館大) Ritsumeikan University (略称： Ritsumeikan Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 山下 洋一 / Yoichi Yamashita / ヤマシタ ヨウイチ |
| 第3著者 所属（和/英） | 立命館大学 (略称： 立命館大) Ritsumeikan University (略称： Ritsumeikan 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-12-02 13:50:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SP |
| 資料番号 | NLC2020-14, SP2020-17 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.270(NLC), no.271(SP) |
| ページ範囲 | pp.7-12 |
| ページ数 | 6 |
| 発行日 | 2020-11-25 (NLC, SP) |
[研究会発表申込システムのトップページに戻る]