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

طراحی و پیاده سازی بستر اجرای بازی جنگ سایبری

مریم نصراصفهانی - بهروز ترک لادانی - بهروز شاهقلی قهفرخی - حسین قجاوند بلتیجه - نوید شیرمحمدی - مهدی شمس - محمدامین آقاکبیری

An LLM-Based Approach for Clarifying the Decisions of Vision Models in Autonomous Vehicles

Omid Mosalmani - Mohammad Javad Rashti - Seyed Enayat Alavi

بررسی روش‌ها، مجموعه‌های داده و معیارهای ارزیابی در حوزه‌ی پرسش از متون درون تصویر

کبری فرشیدی - حسن ختن‌لو - محرم منصوری زاده - الهام علی قارداش

طراحی واسط کاربری مبتنی بر رفتار و احساسات کاربران در سیستم های هوشمند

فاطمه صبائی - دکتر احمد عبداله زاده بارفروش

Improving Drug-Target Interaction Prediction Using Enhanced Feature Selection

Maryam Taheri - Mohammad Reza Keyvanpour - Mohadeseh Saadat Mousavi

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

خوشه بندی مقید داده ها به کمک اتوماتای یادگیر سلولی

شکوفه علی محمدی - احمدعلی آبین

هوشمندسازی پایش کیفیت رنگزنی داخلی گرین تایر و تحلیل داده برای بهینه سازی عمر بلادر، مصرف رنگ و ریشه یابی عیوب پخت

سامان ثنایی - رضا رحیمی

قطعه بندی خودکار توده کلیه در تصاویر توموگرافی کامپیوتری با استفاده از هم‌افزایی شبکه عصبی عمیق U-Net و الگوریتم فراابتکاری نهنگ

علی خلیلی - محمد مصلح - محمد خیراندیش

طرحی برای تبدیل نمودارهای رفتاری BPMN به نمودار UML و تولید کد از آن

مهدیس صفری - احمد عبدالله زاده بارفروش

بیشتر

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