可视化分类器邻接关系：以说话人验证与语音反欺骗为例
声音
2021-06-14 v1 机器学习
音频与语音处理
应用统计
摘要
无论是为了结果总结，还是分类器融合的分析，某种比较不同分类器的手段常能提供对其行为、相似（或不相似）性或互补性的启发性洞察。我们提出一种简单方法，从任意一组二元分类器针对同一数据集产生的检测分数导出二维表示。基于秩相关，我们的方法便于对具有任意分数且与接收者操作特征（ROC）及检测错误权衡（DET）分析紧密相关的分类器进行可视化比较。尽管该方法完全通用并可应用于任何检测任务，我们使用自动说话人验证与语音反欺骗系统产生的分数演示了该方法。前者由用 VoxCeleb 数据训练的高斯混合模型系统产生，后者则来自 ASVspoof 2019 挑战赛的提交结果。
引用
@article{arxiv.2106.06362,
title = {Visualizing Classifier Adjacency Relations: A Case Study in Speaker Verification and Voice Anti-Spoofing},
author = {Tomi Kinnunen and Andreas Nautsch and Md Sahidullah and Nicholas Evans and Xin Wang and Massimiliano Todisco and Héctor Delgado and Junichi Yamagishi and Kong Aik Lee},
journal= {arXiv preprint arXiv:2106.06362},
year = {2021}
}
备注
Accepted to Interspeech 2021. Example code available at https://github.com/asvspoof-challenge/classifier-adjacency