SVM-MLLR for multi-speaker verification systems score fusion

From LRDE

Revision as of 17:07, 9 January 2018 by Bot (talk | contribs) (Created page with "{{CSIReport | authors = Geoffroy Querol | title = SVM-MLLR for multi-speaker verification systems score fusion | year = 2008 | abstract = Afin d'améliorer la performance glob...")
(diff) ← Older revision | Latest revision (diff) | Newer revision → (diff)

Abstract

Afin d'améliorer la performance globale des systèmes de vérification du locuteur, il faut diversifier les approches. Le but de ce travail est d'étudier les performances d'un système SVM-MLLR. Cette méthode se base sur la construction, à partir du modèle du monded'une transformation linéaire des vecteurs moyennes (mean supervectors) maximisant la vraisemblance du modèle transformé par rapport aux données locuteur. On évaluera deux approches différentes : Dans la première, on utilisera directement le logarithme du rapport de vraisemblance (GMM-MLLR). Dans une deuxième expérimentation, on utilisera les SVMs pour évaluer les scores de décision. La dernière étape consiste à valuer l'apport d'une méthode de compensation du canal (NAP: Nuisance Attribute Projection) sur les performances de ce système). Une fusion des scores avec d'autres systèmes GMM sera étudiée. Une fusion au niveau des noyaux sera quand à elle présentée par Charles-Alban. Tous les tests vont être menés sur les deux bases de données NIST-SRE 2005 et 2006 all trials.