Detail publikace

Learnable Sparse Filterbank for Speaker Verification

PENG, J.; GU, R.; MOŠNER, L.; PLCHOT, O.; BURGET, L.; ČERNOCKÝ, J. Learnable Sparse Filterbank for Speaker Verification. In Proceedings of the Annual Conference of the International Speech Communication Association, INTERSPEECH. Proceedings of Interspeech. Incheon: International Speech Communication Association, 2022. p. 5110-5114. ISSN: 1990-9772.
Název česky
Naučitelná řídká banka filtrů pro ověřování mluvčích
Typ
článek ve sborníku konference
Jazyk
anglicky
Autoři
Peng Junyi, Master of Technology, prof. UMK (UPGM)
GU, R.
Mošner Ladislav, Ing. (UPGM)
Plchot Oldřich, Ing., Ph.D. (UPGM)
Burget Lukáš, doc. Ing., Ph.D. (UPGM)
Černocký Jan, prof. Dr. Ing. (UPGM)
URL
Klíčová slova

learnable filter, sparse filtering, sparsity, speaker verification

Abstrakt

Nedávno byla extrakce příznaků pomocí naučitelných filtrů rozsáhle zkoumána pomocí systémů ověřování mluvčích, přičemž filtry se naučily v časové i frekvenční doméně. Většina naučených schémat však končí u filtrů blízko jejich inicializaci (např. Mel filterbank) nebo u filtrů silně omezených jejich omezeními. V tomto článku navrhujeme novou naučitelnou řídkou filtrační banku, nazvanou LearnSF, výhradně optimalizací řídkosti filtrační banky, která explicitně neomezuje filtry, aby sledovaly předem definovanou distribuci. Po standardním předběžném zpracování (STFT a druhá mocnina magnitudového spektra) se použije naučitelná řídká filtrační banka, jejíž normalizované výstupy jsou přiváděny do neuronové sítě predikující identitu mluvčího. Hodnotili jsme výkon navrhovaného přístupu na datových sadách VoxCeleb i CNCeleb. Experimentální výsledky demonstrují účinnost navrhovaného LearnSF ve srovnání s široce používanými akustickými funkcemi a existujícími parametrizovanými naučitelnými front-endy.

Rok
2022
Strany
5110–5114
Časopis
Proceedings of Interspeech, č. 9, ISSN 1990-9772
Sborník
Proceedings of the Annual Conference of the International Speech Communication Association, INTERSPEECH
Vydavatel
International Speech Communication Association
Místo
Incheon
DOI
10.21437/Interspeech.2022-11309
UT WoS
000900724505058
EID Scopus
2-s2.0-85140077879
BibTeX 
@inproceedings{BUT179826,
  author="PENG, J. and GU, R. and MOŠNER, L. and PLCHOT, O. and BURGET, L. and ČERNOCKÝ, J.",
  title="Learnable Sparse Filterbank for Speaker Verification",
  booktitle="Proceedings of the Annual Conference of the International Speech Communication Association, INTERSPEECH",
  year="2022",
  journal="Proceedings of Interspeech",
  number="9",
  pages="5110--5114",
  publisher="International Speech Communication Association",
  address="Incheon",
  doi="10.21437/Interspeech.2022-11309",
  issn="1990-9772",
  url="https://www.isca-speech.org/archive/pdfs/interspeech_2022/peng22e_interspeech.pdf"
}
Nahoru