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

ارائه تکنیک یادگیری چندهسته ای مبتنی بر روش بهینه سازی برای مسئله دسته بندی سیگنال های EEG مبتنی بر تصور حرکتی

یوکابد امیری - حسام عمرانپور

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 -

Scattering Wavelet-Based Image Quality Assessment Metric for Medical Images

Sina Omidvar - Jamshid Shanbehzadeh

An Improved Image Classification Based In Feature Extraction From Convolutional Neural Network: Application To Flower Classification

Faeze Sadati - Dr Behrooz Rezaie

نقش داده‌های آنلاین یونیفرمیتی و تحلیل آماری پیشرفته با ترکیب پایتون و پاوربی‌آی در بهبود کیفیت و فرآیند تولید تایر

دانیال قادری

استخراج موارد آزمون سطح برون‌متد و درون‌کلاس از برنامه‌های شئ‌‌گرا

محمد قرشی - حسن حقیقی

سیستم تشخیص نفوذ مبتنی برشبکه عصبی کانولوشن برای تشخیص حمله انکارسرویس در اینترنت‎ وسایل نقلیه

زهرا جانفدا - سید امین حسینی سنو

روش مهاجرت خوشه‎ای‎ برای بهبود بستربندی به ‎مشتری در گردش‌کارهای بدون سرویس‌دهنده

محمدامین قسوری جهرمی - مهرداد آشتیانی - فاطمه بخشی

مکان‌یابی خطاهای کاربردها و خدمات نرم‌افزاری با کمک تولید داده آزمون با نامتغیرهای محتمل

محمد نصرتی مقدم - حسن حقیقی - مجتبی وحیدی اصل

A Demand Response Schema in Industry: Smart Scheduling Approach for Industrial Processes

Negin Shafinezhad - Hamid Abrishami - Maryam Mahmoodi

more

Samin Hamayesh - Version 44.5.0