《表2 NIST SRE 2008测试集上做LLN的性能》
随机选取500个“True”识别对和500个“False”识别对,比较LLN规整前后的得分分布,如图3所示。从图3可以看出经LLN规整后,“False”识别对的得分分布明显向左偏移,而“True”识别对的得分分布变化不明显,“True”识别对和“False”识别对的得分差距拉大,区分性增强,有效降低了虚警率。因此,用统一的门限进行判决时会更有优势。LLN虽然不会改变同一测试语音在每个目标说话人上得分的排序,但可以有效降低EER和min DCF。
图表编号 | XD00192272500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 曹伟、梁春燕 |
绘制单位 | 山东理工大学计算机科学与技术学院、山东理工大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |