Analysis of 2D Feature Spaces for Deep Learning-based Speech Recognition - Publikacja - MOST Wiedzy

Wyszukiwarka

Analysis of 2D Feature Spaces for Deep Learning-based Speech Recognition

Abstrakt

convolutional neural network (CNN) which is a class of deep, feed-forward artificial neural network. We decided to analyze audio signal feature maps, namely spectrograms, linear and Mel-scale cepstrograms, and chromagrams. The choice was made upon the fact that CNN performs well in 2D data-oriented processing contexts. Feature maps were employed in the Lithuanian word recognition task. The spectral analysis led to the highest word recognition rate. Spectral and mel-scale cepstral feature spaces outperform linear cepstra and chroma. The 111-word classification experiment depicts f1 score of 0.99 for spectrum, 0.91 for mel-scale cepstrum , 0.76 for chromagram, and 0.64 for cepstrum feature space on test data set.

Cytowania

  • 5

    CrossRef

  • 5

    Web of Science

  • 6

    Scopus

Pełna treść

Informacje szczegółowe

Kategoria:
Publikacja w czasopiśmie
Typ:
artykuł w czasopiśmie wyróżnionym w JCR
Opublikowano w:
JOURNAL OF THE AUDIO ENGINEERING SOCIETY nr 66, strony 1072 - 1081,
ISSN: 1549-4950
Język:
angielski
Rok wydania:
2018
Opis bibliograficzny:
Korvel G., Treigys P., Tamulevicus G., Bernataviciene J., Kostek B.: Analysis of 2D Feature Spaces for Deep Learning-based Speech Recognition// JOURNAL OF THE AUDIO ENGINEERING SOCIETY. -Vol. 66, nr. 12 (2018), s.1072-1081
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.17743/jaes.2018.0066
Źródła finansowania:
Weryfikacja:
Politechnika Gdańska

wyświetlono 29 razy

Publikacje, które mogą cię zainteresować

Meta Tagi