抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
多数の研究は,話者検証または提示攻撃検出システムを成功裏に開発した。しかし,2つのタスクを統合する研究は,予備段階で残っている。本論文では,話者検証とプレゼンテーション攻撃検出の統合システムを構築するための2つのアプローチを提案する:エンドツーエンドモノリシックアプローチとバックエンドモジュールアプローチ。第1の手法は話者識別,プレゼンテーション攻撃検出,および共通特徴を用いたマルチタスク学習を用いた統合システムを同時に訓練する。しかしながら,実験により,話者検証とプレゼンテーション攻撃検出を行うのに必要な情報は,話者検証システムが話者埋込みからデバイス固有情報を除去するので異なるかもしれないが,提示攻撃検出システムはそのような情報を利用する。したがって,話者検証とプレゼンテーション攻撃検出のための別々の深層ニューラルネットワーク(DNN)を用いたバックエンドモジュールアプローチを提案した。この手法は入力成分:2つの話者埋込み(登録とテストのための)と提示攻撃の予測である。話者検証とプレゼンテーション攻撃検出の統合に関する公式試験を含む2017-v2データセットを用いて実験を行った。提案したバックエンドアプローチは,従来の話者検証システムと比較して,統合試行の等誤り率に関して21.77%の相対的改善を実証した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】