Convolutional Neural Network for speaker change detection in telephone speaker diarization system
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F17%3A43932069" target="_blank" >RIV/49777513:23520/17:43932069 - isvavai.cz</a>
Výsledek na webu
<a href="http://ieeexplore.ieee.org/document/7953097/" target="_blank" >http://ieeexplore.ieee.org/document/7953097/</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/ICASSP.2017.7953097" target="_blank" >10.1109/ICASSP.2017.7953097</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Convolutional Neural Network for speaker change detection in telephone speaker diarization system
Popis výsledku v původním jazyce
The aim of this paper is to propose a speaker change detection technique based on Convolutional Neural Network (CNN) and evaluate its contribution to the performance of a speaker diarization system for telephone conversations. For the comparison we used an i-vector based speaker diarization system. The baseline speaker change detection uses Generalized Likelihood Ratio (GLR) metric. Experiments were conducted on the English part of the CallHome corpus. Our proposed CNN speaker change detection outperformed the GLR approach, reducing the Equal Error Rate relatively by 46 %. The final results on speaker diarization system indicate that the use of speaker change detection based on CNN is beneficial with relative improvement of diarization error rate by 28 %.
Název v anglickém jazyce
Convolutional Neural Network for speaker change detection in telephone speaker diarization system
Popis výsledku anglicky
The aim of this paper is to propose a speaker change detection technique based on Convolutional Neural Network (CNN) and evaluate its contribution to the performance of a speaker diarization system for telephone conversations. For the comparison we used an i-vector based speaker diarization system. The baseline speaker change detection uses Generalized Likelihood Ratio (GLR) metric. Experiments were conducted on the English part of the CallHome corpus. Our proposed CNN speaker change detection outperformed the GLR approach, reducing the Equal Error Rate relatively by 46 %. The final results on speaker diarization system indicate that the use of speaker change detection based on CNN is beneficial with relative improvement of diarization error rate by 28 %.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
20205 - Automation and control systems
Návaznosti výsledku
Projekt
<a href="/cs/project/GBP103%2F12%2FG084" target="_blank" >GBP103/12/G084: Centrum pro multi-modální interpretaci dat velkého rozsahu</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Acoustics, Speech and Signal Processing (ICASSP), 2017 IEEE International Conference on
ISBN
978-1-5090-4117-6
ISSN
1520-6149
e-ISSN
neuvedeno
Počet stran výsledku
5
Strana od-do
4945-4949
Název nakladatele
IEEE Signal Processing Society
Místo vydání
New York
Místo konání akce
New Orleans, LA, USA
Datum konání akce
5. 3. 2017
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000414286205021