Processing math: 100%

6.5.1 DeltaMask

6.5.1.1 ノードの概要

本ノードは，静的特徴のミッシングフィーチャーマスクベクトルから 動的特徴量のミッシングフィーチャーマスクベクトルを求め，静的特徴と 動的特徴のミッシングフィーチャーマスクから構成されるマスクベクトルを生成する．

6.5.1.2 必要なファイル

無し．

6.5.1.3 使用方法

どんなときに使うのか

ミッシングフィーチャー理論に基づき，特徴量を信頼度に応じてマスクして 音声認識を行うために用いる．通常，MFMGeneration の後段に用いる．

典型的な接続例

6.5.1.4 ノードの入出力とプロパティ

入力

INPUT

: Map<int, ObjectRef> 型．音源 ID と特徴量のマスクベクトルの Vector<float> 型のデータのペア．マスク値は，0.0 から 1.0 の実数で， 0.0 が特徴量を信頼しない， 1.0 が信頼する状態を表す．

出力

OUTPUT

: Map<int, ObjectRef> 型．音源 ID と特徴量のマスクベクトルの Vector<float> 型のデータのペア．マスク値は，0.0 から 1.0 の実数で， 0.0 が特徴量を信頼しない状態， 1.0 が信頼する状態を表す．

パラメータ

FBANK_COUNT

: int 型である．処理する特徴量の次元数． 値域は，正の整数．

6.5.1.5 ノードの詳細

本ノードは，静的特徴のマスクベクトルから動的特徴量のマスク ベクトルを求め，静的特徴と動的特徴のミッシングフィーチャーマスク から構成されるマスクベクトルを生成する．

フレーム時刻 $f$ における，入力マスクベクトルを，

$\displaystyle \boldsymbol {m}(f)$

$\displaystyle =$

$\displaystyle [m(f,0),m(f,1),\dots ,m(f,2P-1)]^{T}$

(138)

と表す．ただし，$P$ は，入力マスクベクトルのうち，静的特徴を表わす 次元数を表わし，FBANK_COUNT で与える．静的特徴のマスク値を用い， 動的特徴のマスク値を求め， $P$ から $2P-1$ 次元の要素に入れて出力 ベクトルを生成する．出力ベクトル $\boldsymbol {m}’(f)$ は，

	$\displaystyle \boldsymbol {y}’(f)$	$\displaystyle =$	$\displaystyle [m’(f,0),m’(f,1),\dots ,m’(f,2P-1)]^{T}$		(139)
	$\displaystyle m’(f,p)$	$\displaystyle =$	$\displaystyle \left\{ \begin{array}{ll} m(f,p), & {if~ ~ } p=0, \dots , P-1, \\ \displaystyle \prod _{\tau =-2}^{2} m(f+\tau ,p), & {if~ ~ } p=P, \dots , 2P-1, \end{array} \right.$		(140)

である．図 6.77 に DeltaMask の入出力フローを示す．