یک رویکرد NMF مبتنی‌ بر نمونه برای تشخیص رویدادهای صوتی

قیمت: 41,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

یک رویکرد NMF مبتنی‌ بر نمونه برای تشخیص رویدادهای صوتی

عنوان لاتین

AN EXEMPLAR-BASED NMF APPROACH FOR AUDIO EVENT DETECTION

ما یک روش بدیع، مبتنی بر نمونه را برای تشخیص رویدادهای صوتی مبتنی بر فاکتورگیری ماتریس غیرمنفی (NMF) نشان می‌دهیم. بر اساس کارهای اخیر در تشخیص گفتار خودکار مقاوم در برابر نویز، رخدادها را به عنوان یک ترکیب خطی از اجزای دیکشنری، و ترکیباتی به عنوان ترکیبات خطی رخدادهای پوشاننده مدل می‌کنیم. دیکشنری مبتنی بر نمونه با استخراج همه متغییرهای داده‌های آموزشی، تقویت مصنوعیت توسط زمان خطی با منحرف‌کردن از نسبت‌های متعدد ایجادمی‌شود. روش برروی توسعات مجموعه داده‌ها Office Live و Office synthetic منتشرشده توسط چالش‌های AASP برروی تشخیص و گروه‌ بندی صحنه‌های صوتی و رخدادها ارزیابی می‌شود.

We present a novel, exemplar-based method for audio event detection based on non-negative matrix factorisation (NMF). Building on recent work in noise robust automatic speech recognition, we model events as a linear combination of dictionary atoms, and mixtures as a linear combination of overlapping events. The exemplarbased dictionary is created by extracting all available training data, artificially augmented by linear time warping at multiple rates. The method is evaluated on the Office Live and Office Synthetic development datasets released by the AASP Challenge on Detection and Classification of Acoustic Scenes and Events.