| 大会名称 |
|---|
| 2020年 ソサイエティ大会 |
| 大会コ－ド |
| 2020S |
| 開催年 |
| 2020 |
| 発行日 |
| 2020/9/1 |
| セッション番号 |
| A-5 |
| セッション名 |
| 応用音響 |
| 講演日 |
| 2020/9/16 |
| 講演場所(会議室等) |
| Meeting 28 |
| 講演番号 |
| A-5-3 |
| タイトル |
| 教師ありNMFを用いた音源分離における複数曲学習手法 |
| 著者名 |
| ◎工藤 魁, 市毛弘一, |
| キーワード |
| 音源分離, 音楽音響, 非負値行列因子分解 |
| 抄録 |
| 非負値行列因子分解（NMF: Nonnegative Matrix Factorization）を用いた音源分離において，学習に複数曲を用いる新たな手法を提案する．従来，目的音と同種の楽器音から学習された基底行列を利用する教師ありNMF（SNMF: Supervised NMF）が提案されている．しかし，これには畳み込みニューラルネットワークのような教師信号として複数曲を用いる学習が不可能であった．本稿では，複数曲から得られた学習データをもとに，組み合わせ最適化による再構成を行う分離精度向上法を提案する． |
| 本文pdf |
|
PDF download
|