GMM, distance entre GMMs, SVM pour la vérification du locuteur.

Présentation au sujet: "GMM, distance entre GMMs, SVM pour la vérification du locuteur."— Transcription de la présentation:

1 GMM, distance entre GMMs, SVM pour la vérification du locuteur.
Najim Dehak Gérard Chollet

2 GMM pour la vérification du locuteur
UBM Énoncé de pseudo-imposteurs Apprentissage Modèle du locuteur Adaptation Énoncé du locuteur Énoncé de test Test Score et décision

3 GMM pour la vérification du locuteur
UBM => GMM modèles L’apprentissage à base de l’algorithme EM Les rôles du UBM : Adapter les modèles clients. Normalisateur de scores dans la phase de test.

4 GMM pour la vérification du locuteur
Pourquoi faire une adaptation? Adaptation MAP: Scores et décision:

5 Distance entre modèles
du locuteur Adaptation Énoncé du locuteur Score calculé à base de Distance & décision UBM Énoncé de pseudo-imposteurs Apprentissage Modèle du Test Adaptation Énoncé du test

6 Distance entre modèles
Divergence de Kullback-Leibler entre 2 mélange de densité:

7 Distance entre modèles
Divergence de Kullback-Leibler entre 2 GMMs: Dans le cas de la VL avec seulement l’adaptation des moyennes des gaussiennes: On utilisant la distance

8 Distance entre modèles
Espace des modèles: D(p,p’) Y1 Y2 Ω p P’ P’ p Ω

9 Distance entre modèles
Distance et scores de décision

10 DET curve

11 Distance entre modèles
du locuteur Adaptation Énoncé du locuteur Normalisation Des modèles UBM Énoncé de pseudo-imposteurs Apprentissage Score calculé à base de Distance & décision Modèle du Test Adaptation Énoncé du test

12 Distance entre modèles
Ω Modèle initial Modèle norm Normalisation dans l’espace des modèles M-norm Les nouvelles moyennes

13 Courbe DET

14 Distance entre modèles
Peut être appliquer pour la vérification du locuteur dans les cartes à puce. On peut faire une normalisation on utilisant une ACP

15 SVM pour la VL Distance entre GMMs => fonction noyau entre GMMs;
Distance => kernel Kernel => distance

16 SVM pour la VL Les travaux de Pedro J. Moreno et Purdy P. Ho
Avec comme distance :

17 Courbe DET

18 Courbe DET

19 SVM pour la VL Kernel Mixture models:
Dans le cas de mélange de gaussiennes