کنفرانس بین المللی فناوری اطلاعات و دانش

English

صفحه اصلی / 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

نویسندگان :

Zahra Abolfazli¹ Hamid Reza Abutalebi²

1- Yazd University 2- Yazd University

کلمات کلیدی :

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

چکیده :

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.

لیست مقالات

لیست مقالات بایگانی شده

A No-Code Platform for Developing Customizable Recommender Systems for Restaurants

Moein-Aldin AliHosseini - MohammadReza Sharbaf

روشی برای بهبود آزمون جهش پیشگویانه با در نظر گرفتن اثر داده های از دست رفته

طه رستمی - دکتر سعید جلیلی طه رستمی - سعید جلیلی -

Video Steganography in HEVC Using Intra-Prediction Modes

Vahidreza Seirafian - Masoud Omomi

نظرکاوی در سطح مفهوم با استفاده از رویکردی ترکیبی

سیدرضا قادریان خیرآبادی سیدرضا قادریان خیرآبادی -

StockFM: پیش بینی قیمت بازار بورس ایران به کمک مدل بنیادین سری زمانی

فاطمه چیت ساز - سامان هراتی زاده

SBST challenges from the perspective of the test techniques

Sepideh Kashefi Gargari - Dr Mohammad Reza Keyvanpour

سیستم توصیه گر برای خرید لوازم آرایشی و بهداشتی مبتنی بر الگوریتم جنگل تصادفی

فاطمه رمضانی خوزستانی - مجید رفیعی

DynamicEvoStream : خوشه بندی پویای جریان داده تکاملی در زمانهای بیکاری

زهرا عمیقی - مرتضی یوسف صنعتی - میرحسین دزفولیان

پیش‌بینی بستری مجدد بیماران با استفاده از استخراج مفاهیم زیست‌پزشکی از متون بالینی

فهیمه شاهرخ شهرکی - رسول سامانی - دکتر ناصر قدیری فهیمه شاهرخ شهرکی - رسول سامانی - ناصر قدیری -

HTCAR: Hierarchical Text Classification based on aggregation of Representations

Ali Bavand - Mohammad Mehdi Homayounpour - Ahmad Nickabadi

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 44.5.0