| 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 | 2022-05-13 15:00 事前学習モデルの複数層特徴量の融合を用いた汎用音響信号表現 ○仁泉大輔・竹内大起・大石康智・原田 登・柏野邦夫（NTT）  EA2022-9 |
|
| 抄録 | （和） | 事前学習DNNモデルを利用した音響信号タスクへの応用において，多くは最終層付近から特徴量を抽出している． これに対して本研究では，むしろ中間層からの特徴量が有効なタスクの傾向に着目し，幅広いタスクへの応用性能を向上させることを提案する． 提案手法は層の出力から特徴ベクトルを計算する方法を改善し，ネットワーク中間・後半層からの出力を融合して特徴量を計算する．これらにより従来の計算で特徴量から失われていた情報を改善し，中間・後半それぞれの層の利点を融合することで，汎用的に性能の高い音響信号表現を実現した． 3つの既存モデルを用いた評価実験において，提案手法はこれらの性能を従来手法と同等に改善する結果を示し，有効性を確認した． |
| （英） | Many application studies rely on audio DNN models pre-trained on a large-scale dataset as essential feature extractors, and they extract features from the last layers. In this study, we focus on our finding that the middle layer features of existing supervised pre-trained models are more effective than the late layer features for some tasks. We propose a simple approach to compose features effective for general-purpose applications, which calculates feature vectors along the time frame from middle/late layer outputs, then fuses them. We evaluated our approach with three existing models and confirmed that our approach brings the performance of these models to a level comparable to that of the state-of-the-art. |
|
| キーワード | （和） | 事前学習モデル / 特徴量融合 / 汎用音響信号表現 / / / / / |
| （英） | pre-trained model / feature fusion / general-purpose audio representation / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 20, EA2022-9, pp. 41-45, 2022年5月. | |
| 資料番号 | EA2022-9 | |
| 発行日 | 2022-05-06 (EA) | |
| 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 | EA2022-9 |
|
| 研究会情報 | |
| 研究会 | EA |
| 開催期間 | 2022-05-13 - 2022-05-13 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | ＜オーガナイズドセッション＞応用／電気音響，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | EA |
| 会議コード | 2022-05-EA |
| 本文の言語 | 日本語 |
| タイトル（和） | 事前学習モデルの複数層特徴量の融合を用いた汎用音響信号表現 |
| サブタイトル（和） | |
| タイトル（英） | Composing General Audio Representation by Fusing Multilayer Features of a Pre-trained Model |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 事前学習モデル / pre-trained model |
| キーワード(2)（和/英） | 特徴量融合 / feature fusion |
| キーワード(3)（和/英） | 汎用音響信号表現 / general-purpose audio representation |
| キーワード(4)（和/英） | / |
| 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） | 仁泉 大輔 / Daisuke Niizumi / ニイズミ ダイスケ |
| 第1著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NTT Corporation (略称： NTT) |
| 第2著者 氏名（和/英/ヨミ） | 竹内 大起 / Daiki Takeuchi / タケウチ ダイキ |
| 第2著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NTT Corporation (略称： NTT) |
| 第3著者 氏名（和/英/ヨミ） | 大石 康智 / Yasunori Ohishi / オオイシ ヤスノリ |
| 第3著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NTT Corporation (略称： NTT) |
| 第4著者 氏名（和/英/ヨミ） | 原田 登 / Noboru Harada / ハラダ ノボル |
| 第4著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NTT Corporation (略称： NTT) |
| 第5著者 氏名（和/英/ヨミ） | 柏野 邦夫 / Kunio Kashino / カシノ クニオ |
| 第5著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NTT Corporation (略称： NTT) |
| 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 | 2022-05-13 15:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | EA |
| 資料番号 | EA2022-9 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.20 |
| ページ範囲 | pp.41-45 |
| ページ数 | 5 |
| 発行日 | 2022-05-06 (EA) |
[研究会発表申込システムのトップページに戻る]