Analyse en Composantes Principales pour l'extraction des i-vecteurs en vérification du locuteur

Anthony Larcher (1) , Pierre-Michel Bousquet (2) , Driss Matrouf (2) , Jean-François Bonastre (2)

1 Institute for Infocomm Research - I²R [Singapore]
2 LIA - Laboratoire Informatique d'Avignon

Nous proposons une alternative aux méthodes état-de-l'art développées récemment pour la vérifi-cation du locuteur dans le cadre du paradigme de Variabilité Totale. Les expériences présentées montrent que l'utilisation de l'Analyse en Composante Principale (ACP) en remplacement du Factor Analysis (FA), pour la réduction de dimension des super-vecteurs, peut amener a des performances équivalentes. Ainsi l'extraction des i-vecteurs selon le critère du Maximum de Vraisemblance en utilisant la matrice des vecteurs propres obtenus par une ACP permet de surpasser un système état-de-l'art combinant Factor Analysis et Analyse Discriminante Linéaire Probabiliste dans 3 des 8 conditions de NIST-SRE08. Nous montrons également que des i-vecteurs obtenus par simple projection orthogonale sur la matrice produite par ACP peuvent surpasser l'approche état-de-l'art dans deux des conditions évaluées. Les résultats présentés dans cet article illustrent le potentiel d'une approche déterministe pour la vérification du locuteur. ABSTRACT Principal Component Analysis for i-vector extraction in speaker verification. In this work, we propose alternative algorithmic combinations for speaker verification based on the Total Variability paradigm. Experiments presented in this paper show that replacing Factor Analysis (FA) by a Principal Component Analysis (PCA) for super-vector dimensionality reduction can lead to state-of-the-art performance. Extracting the i-vectors according to the Maximum Likelihood criteria when using an Eigen Vector matrix resulting from a PCA outperforms a state-of-the-art system based on Factor Analysis and Probabilistic Linear Discriminant Analysis in 3 conditions of the NIST-SRE08 evaluation over 8. Computation of i-vectors by an orthognonal projection on the PCA matrix is also shown to outperform the state-of-the-art configuration in 2 of the 8 conditions. The results presented in this paper illustrate the potential of a Deterministic approach for speaker verification. MOTS-CLÉS : Vérification du locuteur, I-vecteurs, Réduction de dimension.

Mots clés: Speaker verification; I-vectors; Dimension reduction

Domaines: Informatique [cs]; Intelligence artificielle [cs.AI]

Anthony Larcher, Pierre-Michel Bousquet, Driss Matrouf, Jean-François Bonastre. Analyse en Composantes Principales pour l'extraction des i-vecteurs en vérification du locuteur. Journées d'Étude sur la Parole (JEP), Jun 2012, Grenoble, France. ⟨hal-01927796⟩