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

شناسایی وبگاه های دام‌چینی به کمک شبکه عصبی گسسته‌ساز بردار یادگیر (LVQ)

یگانه ستاری - غلامعلی منتظر

مقایسه اثربخشی و سودمندی معیارهای پوشش آزمون نرم افزارهای مبتنی بر گرامر

عطیه منعمی بیدگلی

تحلیل کتابسنجی از مقالات حوزه دوقلوهای دیجیتال

فاطمه مکی زاده - سارا صراف - مصطفی شیرالی

Analysing effect of news polarity on stock market prediction: a machine learning approach

Golshid Ranjbaran - Dr Mohammad-Shahram Moin - Dr Sasan H Alizadeh - Dr Abbas Koochari

A Deep Neural Network-based Method for MmWave Time-varying Channel Estimation

Amirhossein Molazadeh - Zahra Maroufi - Mehrdad Ardebilipour

Adaptive Stopping Criteria-based A-RANSAC algorithm in Copy Move Image Forgery detection

ZAHRA HOSEINNEJAD - Dr MEHDI NASRI

ML-based Optical Fibre Fault Detection in Smart Surveillance and Traffic Systems

Rushil Patel - Sana Narmawala - Nikunjkumar Mahida - Rajesh Gupta - Sudeep Tanwar - Hossein Shahinzadeh

بکارگیری الگوریتم بهینه سازی فاخته و منطق فازی به منظور بهبود زمانبندی وظایف در محیط محاسبات مه

فاطمه دوامی - حمید جلیلوند - فاطمه نجفی

بهبود کارایی بارسپاری در شبکه های سلولی با استفاده از ارتباطات مشارکتی در لایه MAC

نبیل الراشدی - رسول صادقی - وائل حسین اللامی - مهدی حمیدخانی

پیش‌بینی بازار فارکس با استفاده از نمودار شمعی و شبکه‌ی عصبی GRU

محمدرضا نوروزی - مریم مومنی

بیشتر

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