权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

空間アテンション機構に基づく新しい音響シーン識別手法の確立

基于空间注意力机制的声场景识别新方法的建立

基本信息

批准号：
20K11880
负责人：
山田武志
金额：
$ 2.58万
依托单位：
University of Tsukuba
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

音響シーン識別において複数のマイクの録音信号を入力することにより、音源の周波数特性などの音響特徴に加えて、個々の音源の方向などの空間特徴を活用することが可能となり、識別性能のさらなる向上が期待できる。本研究の目的は、空間信号処理と識別器の融合による新しい音響シーン識別手法を確立することである。具体的には、音響シーンに存在する複数の音源の中からより重要な音源に自動的に焦点を当てる機能（空間アテンション機構）を有するニューラルネットワークを新たに開発する。これにより、音源の方向や種類などの事前情報を必要とせず、識別に適した指向特性を入力信号から自動的に形成することが可能となる。２０２２年度は、前年度に引き続き、空間アテンション機構に基づく音響シーン識別手法の開発に取り組んだ。主な研究成果を以下にまとめる。（１）複数の空間フィルタ出力への自動重み付けに基づく識別手法の開発：これは、異なる指向特性を有する空間フィルタを複数個用意し、それぞれの空間フィルタ出力に対する重みを推定して識別する手法であり、前年度までに実験によりその有効性を示した。２０２２年度は識別性能のさらなる向上のために、重みの推定を短時間毎に実行する手法を検討した。（２）空間フィルタの自動推定に基づく識別手法の開発：これは、空間フィルタそのものを推定し、推定した空間フィルタの出力を用いて識別する手法である。空間フィルタ生成器と識別器のネットワークを同時最適化するための損失関数を考案し、実験によってその有効性を検証した。その結果、学習の際に目的音の方向や教師信号といった事前情報を一切必要とせずに、注目すべき音を強調する空間フィルタを自動的に生成できることを示した。これらの研究成果を査読付き国際会議論文、査読なし国内会議論文として発表した。

Sound シーン recognition において plural のマイクのを audio signal into force することにより, audio の cycle for feature などの acoustics, 徴に plus えて, a 々の sound source direction のなどの spatial 徴を use することが may となり, identify performance のさらなる upward が expect できる. The purpose of this study is to establish するするとであるとであるとである by fusing による spatial signal processing と recognizer <e:1> with による new <s:1> audio シ <s:1> recognition method を. Specific には, acoustics シーンに exist する plural の in audio のからより important な audio に automatic focus にを when てる function (space アテンション) を have するニューラルネットワークを new たに open 発する. これによりや, audio の direction type などの prior intelligence を necessary とせず, identify に optimum した pointing feature を signal into force から automatic に form することが may となる. 2022 annual には, former lead き続き, space アテンション institutions に base づく sound シーン recognition technique の open 発に group take りんだ. The main research results of なを are as follows にまとめる. (1) the plural の space フィルタ output への automatic weighing み pay けに base づく recognition technique の open 発 : これは, different なる pointing feature を have する space フィルタを plural meaning し, それぞれの space フィルタ output にす seaborne る heavy みを presumption して recognition する gimmick であり, former annual までに be 験によりその have sharper sex を shown した. In 2022, the <s:1> identification performance さらなるさらなる upward ためにために and re-み <s:1> presumed を that each に actually used する method を検 to collect た in a short period of time. (2) spatial フィルタの automatically presumed に base づく recognition technique の open 発 : これは, space フィルタそのものを presumption し presumption, した space フィルタの output を with いて recognition する gimmick である. Space フィルタ generator と recognizer のネットワークを and optimization するための loss masato しを test case, be 験によってその have sharper sex を検 card した. その results, the purpose of the study the event のに sound の signal direction や teachers といった prior intelligence を all necessary とせずに, striking すべき sound を emphasize する space フィルタを automated にできることを shown した. The research results of てれらを can be found in 読 to submit papers to 読 international conferences, 読な to submit papers to 読な domestic conferences, と to て to publish papers to た.