百次试验中你的说话人确认系统犯多少错？
声音
2021-04-05 v1 机器学习
音频与语音处理
机器学习
摘要
百次试验中你的说话人确认系统犯多少错？对用户而言这是一个重要且实际的问题，但研究者和供应商通常回避它，转而提供由ROC/DET曲线给出的条件错误率。我们主张用户的问题由Bayes错误率回答。我们给出一篇教程，展示如何利用确认系统提供的经校准似然比以及用户提供的假设先验，在计算Bayes决策时所得的错误率。对于完美校准，Bayes错误率的上界为 min(EER,P,1-P)，其中EER为等错误率，P、1-P为竞争假设的先验概率。EER代表确认系统的准确度，而 min(P,1-P) 代表分类问题的难度。我们进一步展示如何对非完美校准情形计算Bayes错误率，以及如何从错误率推广到期望代价。我们对直接分数阈值化所作决策提出一些批评。最后，我们通过分析近期发表的DCA-PLDA说话人确认系统的错误率予以演示。
引用
@article{arxiv.2104.00732,
title = {Out of a hundred trials, how many errors does your speaker verifier make?},
author = {Niko Brümmer and Luciana Ferrer and Albert Swart},
journal= {arXiv preprint arXiv:2104.00732},
year = {2021}
}
备注
Submitted to Interspeech 2021