International Conference on Information and Knowledge Technology

فارسی

Home / شانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

A Deep Learning Framework for Phase-Aware Feature Representation to Improve Sound Source Direction and Distance Estimation

Authors :

Zahra Abolfazli¹ Hamid Reza Abutalebi²

1- Yazd University 2- Yazd University

Keywords :

(Sound Event Localization and Detection (SELD،phase spectrogram features،Conformer

Abstract :

This paper proposes a novel refinement of the network’s input features to improve distance and Direction-of-Arrival estimation in the sound event localization and detection system. Instead of relying on Mel energies, we propose using phase spectrograms as input feature, which effectively preserve inter-channel time delays and capture crucial wave propagation characteristics. Furthermore, we introduce architectural improvements for increased robustness. Specifically, Huber loss replaces MSE, reducing sensitivity to noise. Additionally, MHSA layers are replaced with Conformer blocks to better model both long-range dependencies and local interactions within the audio data. Our experimental results validate the effectiveness of the proposed phase-based feature representation and optimized architecture, demonstrating improvements in both DOA and distance estimation.

List of archived papers

کنترل کیفیت پیش_بینانه آمیزه_های لاستیکی مدلی یکپارچه بر اساس استاندارد پذیرش متغیرهای ANSI Z1.9 و پایش رئولوژیکی برخط

آکو یاری - فرهاد محمدزاده

دسته‌بندی متون خبری فارسی با یادگیری فعال

مینا طباطبائی - دکتر سعیده ممتازی

GanjNet: Leveraging Network Modeling with Large Language Models for Persian Word Sense Induction

Amir Mohammad Kouyeshpour - Hadi Veisi - Saman Haratizadeh

ارائه راهکاری جهت مقابله با حملات DoS در شبکه های نرم افزارمحور

ویدا هاشمی - احمد بختیاری شهری - رضا جاویدان

پیش بینی بیماری قلبی با استفاده از روش تحلیل شبکه ای

هدیه مشتاقی محمدزاده - فاطمه باقری

Application of Artificial Intelligence and Remote Sensing for Oil Spill Detection

َAmir Reza Ziaee - Masomeh Azimzadeh - Parvin Ahmadi

کشف لبه در تصاویر پزشکی با استفاده از اتوماتای سلولی سلسله مراتبی

مریم علینقی زاده - علیرضا رضوانیان

تاثیر مدیریت دانش مشتری بر توسعه محصول جدید و نوآورانه با رویکرد مدل سازی معادلات ساختاری با استفاده از حداقل مربعات جزئی: مطالعۀ موردی شرکت کاله

دکتر آرش خسروی - سیده فاطمه حسینی - دکتر مرتضی رجب زاده آرش خسروی - سیده فاطمه حسینی - مرتضی رجب زاده -

An OWA-Powered Dynamic Customer Churn Modeling in the banking industry Based on Customer Behavioral Vectors

Masoud Alizadeh - Mohammad Soleymannejad - Behzad Moshiri

شبکه‌های نرم‌افزار محور در کلان داده: مطالعه‌ی راهکارهای امنیتی و چالش‌ها

احسان سلیمانی دهکردی - محمدرضا ملاخلیلی میبدی

more

Samin Hamayesh - Version 44.2.0