Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:1810.09137v1

帮助 | 高级搜索

统计学 > 机器学习

arXiv:1810.09137v1 (stat)
[提交于 2018年10月22日 ]

标题: 基于DNN的声源增强以提高客观声音质量评估分数

标题: DNN-based Source Enhancement to Increase Objective Sound Quality Assessment Score

Authors:Yuma Koizumi, Kenta Niwa, Yusuke Hioka, Kazunori Kobayashi, Yoichi Haneda
摘要: 我们提出了一种基于深度神经网络(DNN)的源增强训练方法,以提高客观声音质量评估(OSQA)分数,如语音质量的感知评估(PESQ)。 在许多传统研究中,DNN被用作映射函数来估计时频掩码,并被训练以最小化可分析处理的目标函数,如均方误差(MSE)。 由于OSQA分数已被广泛用于声音质量评估,构建能够提高OSQA分数的DNN比使用最小MSE来生成高质量输出信号更好。 然而,由于大多数OSQA分数不可分析处理,\textit{即},它们是黑箱,无法通过简单应用反向传播计算目标函数的梯度。 为了计算基于OSQA的目标函数的梯度,我们基于\textit{黑盒优化}制定了一种DNN优化方案,该方案用于训练玩游戏的计算机。 对于黑箱优化方案,我们采用策略梯度方法,基于采样算法计算梯度。 为了使用采样算法模拟输出信号,DNN用于估计最大化OSQA分数的输出信号的概率密度函数。 OSQA分数从模拟的输出信号中计算得出,并且DNN被训练以增加生成实现高OSQA分数的模拟输出信号的概率。 通过多项实验,我们发现即使未最小化MSE,应用所提出的方法也能显著提高OSQA分数。
摘要: We propose a training method for deep neural network (DNN)-based source enhancement to increase objective sound quality assessment (OSQA) scores such as the perceptual evaluation of speech quality (PESQ). In many conventional studies, DNNs have been used as a mapping function to estimate time-frequency masks and trained to minimize an analytically tractable objective function such as the mean squared error (MSE). Since OSQA scores have been used widely for sound-quality evaluation, constructing DNNs to increase OSQA scores would be better than using the minimum-MSE to create high-quality output signals. However, since most OSQA scores are not analytically tractable, \textit{i.e.}, they are black boxes, the gradient of the objective function cannot be calculated by simply applying back-propagation. To calculate the gradient of the OSQA-based objective function, we formulated a DNN optimization scheme on the basis of \textit{black-box optimization}, which is used for training a computer that plays a game. For a black-box-optimization scheme, we adopt the policy gradient method for calculating the gradient on the basis of a sampling algorithm. To simulate output signals using the sampling algorithm, DNNs are used to estimate the probability density function of the output signals that maximize OSQA scores. The OSQA scores are calculated from the simulated output signals, and the DNNs are trained to increase the probability of generating the simulated output signals that achieve high OSQA scores. Through several experiments, we found that OSQA scores significantly increased by applying the proposed method, even though the MSE was not minimized.
主题: 机器学习 (stat.ML) ; 机器学习 (cs.LG); 声音 (cs.SD); 音频与语音处理 (eess.AS)
引用方式: arXiv:1810.09137 [stat.ML]
  (或者 arXiv:1810.09137v1 [stat.ML] 对于此版本)
  https://doi.org/10.48550/arXiv.1810.09137
通过 DataCite 发表的 arXiv DOI
期刊参考: IEEE/ACM Transactions on Audio, Speech, and Language Processing, Vol.26, Issue.10, 2018
相关 DOI: https://doi.org/10.1109/TASLP.2018.2842156
链接到相关资源的 DOI

提交历史

来自: Yuma Koizumi Dr. [查看电子邮件]
[v1] 星期一, 2018 年 10 月 22 日 08:34:04 UTC (1,561 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
stat.ML
< 上一篇   |   下一篇 >
新的 | 最近的 | 2018-10
切换浏览方式为:
cs
cs.LG
cs.SD
eess
eess.AS
stat

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号