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

Improving hypergraph attention and hypergraph convolution networks

Mustafa Mohammadi Gharasuie - Mahmood Shabankhah - Ali Kamandi

خوشه بندی ویسیلاب های دو آوایی زبان فارسی در کاربرد لب خوانی

مهسا هدایتی پور - دکتر یاسر شکفته - دکتر محسن ابراهیمی مقدم

نظرکاوی در سطح مفهوم با استفاده از رویکردی ترکیبی

سیدرضا قادریان خیرآبادی سیدرضا قادریان خیرآبادی -

Secure Web-Based Control of ROS 1 Robots Using AES-256-GCM Encryption and LLM Integration

Ali Godarzvand chegini - Mohammad Arabian

ارائه مدل یادگیری ماشین برای پیش‌بینی سری‌زمانی باینری از دیدگاه مسئله‌های دسته‌بندی با کاربرد در پیش‌بینی نت‌های موسیقی

نیلوفر ع��دلخانی - حسام عمرانپور

A Mathematical Optimization Approach for Preference Learning in Movie Recommender Systems with Shared Accounts

Milad Khademali - Fazlollah Aghamohammadi - Marjan Kaedi - Alireza Nasiri

Effective Classifier for Predicting Churn in Payment Terminals Using RFM model and Deep Neural Network

Dr Mahila Dadfarnia - Ali Alemi Matinpour - Dr Monireh Abdoos

انتخاب ویژگی با استفاده از الگوریتم بهینه سازی ذرات مبتنی بر استراتژی خود تطبیقی دودویی جهت تشخیص بیماری

الهام صالحی - دکتر محمدرضا کرمی ملایی - دکتر حسام عمرانپور الهام صالحی - محمدرضا کرمی ملایی - حسام عمرانپور -

Load Balancing in Software-Defined Networks Using Multi-Level Thresholds and Hybrid Switch Migration Strategies

Alireza Karimi - Mohammad yousef Darmani

Architectural Insights: Comparing Weight Stationary and Output Stationary Systolic Arrays for Efficient Computation

Mahdi Kalbasi

more

Samin Hamayesh - Version 44.5.0