論文の概要: A Novel Labeled Human Voice Signal Dataset for Misbehavior Detection

• arxiv url: http://arxiv.org/abs/2407.00188v1
• Date: Fri, 28 Jun 2024 18:55:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-04 06:00:32.402051
• Title: A Novel Labeled Human Voice Signal Dataset for Misbehavior Detection
• Title（参考訳）: 誤り検出のための新しいラベル付き人間の音声信号データセット
• Authors: Ali Raza, Faizan Younas,
• Abstract要約: 本研究は,音声認識のための自動学習システムにおける音声トーンと配信の重要性を強調した。 これは、人間の行動が音声信号の知覚と分類に与える影響を解明することにより、音声信号解析の幅広い分野に寄与する。
• 参考スコア（独自算出の注目度）: 0.7223352886780369
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Voice signal classification based on human behaviours involves analyzing various aspects of speech patterns and delivery styles. In this study, a real-time dataset collection is performed where participants are instructed to speak twelve psychology questions in two distinct manners: first, in a harsh voice, which is categorized as "misbehaved"; and second, in a polite manner, categorized as "normal". These classifications are crucial in understanding how different vocal behaviours affect the interpretation and classification of voice signals. This research highlights the significance of voice tone and delivery in automated machine-learning systems for voice analysis and recognition. This research contributes to the broader field of voice signal analysis by elucidating the impact of human behaviour on the perception and categorization of voice signals, thereby enhancing the development of more accurate and context-aware voice recognition technologies.
• Abstract（参考訳）: 人間の行動に基づく音声信号の分類には、音声パターンや配信スタイルの様々な側面の分析が含まれる。 本研究では、被験者に12の心理学的質問を2つの異なる方法で話すように指示するリアルタイムデータセット収集を行う。 これらの分類は、異なる声の振る舞いが音声信号の解釈と分類にどのように影響するかを理解するために重要である。 本研究は,音声認識のための自動学習システムにおいて,音声のトーンと配信の重要性を強調した。 本研究は、人間の行動が音声信号の知覚と分類に与える影響を解明し、より正確で文脈に配慮した音声認識技術の開発を促進することにより、音声信号解析の幅広い分野に寄与する。

関連論文リスト

• Feature Representations for Automatic Meerkat Vocalization Classification [15.642602544201308]
  本稿では,自動メエルカット発声解析のための特徴表現について検討する。 2つのデータセットを対象としたコールタイプ分類研究により、人間の音声処理のために開発された特徴抽出法が、自動メエルカット呼分析に効果的に活用できることが明らかになった。
  論文  参考訳（メタデータ） (2024-08-27T10:51:51Z)
• Evaluating Speaker Identity Coding in Self-supervised Models and Humans [0.42303492200814446]
  話者のアイデンティティは、人間のコミュニケーションにおいて重要な役割を担い、社会的応用においてますます利用されている。 本研究では, 話者識別において, 音響的表現よりも, 話者識別において, 異なる家族の自己指導的表現の方が有意に優れていることを示す。 また、このような話者識別タスクは、これらの強力なネットワークの異なる層における音響情報表現の性質をよりよく理解するためにも利用できることを示す。
  論文  参考訳（メタデータ） (2024-06-14T20:07:21Z)
• A Hierarchical Regression Chain Framework for Affective Vocal Burst Recognition [72.36055502078193]
  本稿では,声帯からの感情認識のための連鎖回帰モデルに基づく階層的枠組みを提案する。 データスパシティの課題に対処するため、レイヤワイドおよび時間アグリゲーションモジュールを備えた自己教師付き学習(SSL)表現も使用しています。 提案されたシステムは、ACII Affective Vocal Burst (A-VB) Challenge 2022に参加し、「TWO」および「CULTURE」タスクで第1位となった。
  論文  参考訳（メタデータ） (2023-03-14T16:08:45Z)
• Self-supervised models of audio effectively explain human cortical responses to speech [71.57870452667369]
  我々は、自己教師型音声表現学習の進歩に乗じて、人間の聴覚システムの最先端モデルを作成する。 これらの結果から,ヒト大脳皮質における音声処理の異なる段階に関連する情報の階層構造を,自己教師型モデルで効果的に把握できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-27T22:04:02Z)
• Integration of Text and Graph-based Features for Detecting Mental Health Disorders from Voice [1.5469452301122175]
  抑うつ検出のための音声分析に2つの方法が用いられている。 その結果,テキストに基づく音声分類と低レベルおよびグラフベースの音声信号機能からの学習の統合により,うつ病などの精神疾患の検出が向上することが示唆された。
  論文  参考訳（メタデータ） (2022-05-14T08:37:19Z)
• Deep Neural Convolutive Matrix Factorization for Articulatory Representation Decomposition [48.56414496900755]
  この研究は、コンボリューティブスパース行列分解のニューラル実装を用いて、調音データを解釈可能なジェスチャーとジェスチャースコアに分解する。 音素認識実験も実施され、ジェスチャースコアが実際に音韻情報のコード化に成功していることが示された。
  論文  参考訳（メタデータ） (2022-04-01T14:25:19Z)
• Measuring the Impact of Individual Domain Factors in Self-Supervised Pre-Training [60.825471653739555]
  音素領域因子は事前学習において重要な役割を担っているが,文法的・統語的要因はそれほど重要ではない。 本研究は,音声認識のための自己教師付き事前学習における事前学習セットのドメイン特性をよりよく理解するための最初の研究である。
  論文  参考訳（メタデータ） (2022-03-01T17:40:51Z)
• Perception Point: Identifying Critical Learning Periods in Speech for Bilingual Networks [58.24134321728942]
  ディープニューラルベース視覚唇読解モデルにおける認知的側面を比較し,識別する。 我々は、認知心理学におけるこれらの理論と独自のモデリングの間に強い相関関係を観察する。
  論文  参考訳（メタデータ） (2021-10-13T05:30:50Z)
• An Overview of Deep-Learning-Based Audio-Visual Speech Enhancement and Separation [57.68765353264689]
  音声強調と音声分離は関連する2つの課題である。 伝統的に、これらのタスクは信号処理と機械学習技術を使って取り組まれてきた。 ディープラーニングは強力なパフォーマンスを達成するために利用されています。
  論文  参考訳（メタデータ） (2020-08-21T17:24:09Z)
• Data-driven Detection and Analysis of the Patterns of Creaky Voice [13.829936505895692]
  クレーキー音声はフレーズ境界マーカーとしてよく使われる品質である。 難解な音声の自動検出とモデリングは、音声技術への応用に影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2020-05-31T13:34:30Z)
• On the Mutual Information between Source and Filter Contributions for Voice Pathology Detection [11.481208551940998]
  本稿では,音声信号から直接音声の病状を自動的に検出する問題に対処する。 音声や声帯信号に関連があるか,韻律に関連があるかによって,3つの特徴セットが提案される。
  論文  参考訳（メタデータ） (2020-01-02T10:04:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。