· 2017
VoxCeleb: Büyük Ölçekli Konuşmacı Tanımlama Veri Seti
VoxCeleb: A Large-Scale Speaker Identification Dataset
- 2.144atıf
- 2017yıl
Kısa özet
Bilgisayarlı görü tekniklerini kullanan tam otomatik bir işlem hattı, 1.000'den fazla ünlüyü içeren yüz binlerce konuşmadan oluşan büyük ölçekli, 'gerçek dünya' koşullarında elde edilmiş bir konuşmacı tanımlama veri seti olan VoxCeleb'i oluşturmak için geliştirilmiştir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Büyük ölçekli bir konuşmacı tanımlama veri seti oluşturmak için bilgisayarlı görü (aktif konuşmacı doğrulama, yüz tanıma) kullanan tam otomatik bir işlem hattı geliştirildi.
- 1.000'den fazla ünlünün 'gerçek dünya' koşullarında elde edilmiş yüz binlerce konuşmasını içeren VoxCeleb veri seti kürlendi.
- VoxCeleb veri setinde konuşmacı tanımlama teknikleri için temel performanslar belirlendi.
- CNN tabanlı mimariler, hem tanımlama hem de doğrulama görevlerinde en iyi performansı elde etti.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Most existing datasets for speaker identification contain samples obtained under quite constrained conditions, and are usually hand-annotated, hence limited in size. The goal of this paper is to generate a large scale text-independent speaker identi- fication dataset collected ‘in the wild’. We make two contributions. First, we propose a fully automated pipeline based on computer vision techniques to create the dataset from open-source media. Our pipeline involves obtaining videos from YouTube; performing active speaker verifi- cation using a two-stream synchronization Convolutional Neural Network (CNN), and confirming the identity of the speaker using CNN based facial recognition. We use this pipeline to curate VoxCeleb which contains hundreds of thousands of ‘real world’ utterances for over 1,000 celebrities. Our second contribution is to apply and compare various state of the art speaker identification techniques on our dataset to establish baseline performance. We show that a CNN based architecture obtains the best performance for both identification and verification.
Yazarların özeti; kaynağından alınmıştır., 2017 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Sinyal İşleme
Signal ProcessingComputer Science