@inproceedings{ghezaiel:hal-02552042,


TITLE = {{Scattering transform et r{'e}seaux convolutionels pour l'identification du locuteur}},
AUTHOR = {Ghezaiel, Wajdi and Brun, Luc and L{'e}zoray, Olivier and Mokhtari, Myriam},
URL = {HAL:=https://hal.archives-ouvertes.fr/hal-02552042, PDF:=https://hal.archives-ouvertes.fr/hal-02552042/file/RFIAP_2020_paper_20.pdf},
BOOKTITLE = {{RFIAP (Reconnaissance des Formes, Image, Apprentissage et Perception)}},
ADDRESS = {Vannes, France},
YEAR = {2020},
MONTH = Jun,
HAL_ID = {hal-02552042},
HAL_VERSION = {v1},
abstract="Les assistants vocaux sont devenus très populaires ces der-nières années. Les utilisateurs peuvent contrôler ces ap-pareils intelligents par la voix et obtenir divers services. Combinés à la biométrie, ces dispositifs peuvent permettre de distinguer des profils utilisateurs et sécuriser l'usage de l'appareil. Dans ce scénario, quelques segments de dis-cours de courte durée (2-4 sec.) sont utilisés pour l'au-thentification. Afin de limiter le nombre de paramètres utili-sés pour l'apprentissage, nous proposons de combiner une Wavelet Scattering Transform (ST) et un réseau convolutif (CNN). Nos expérimentations montrent que la combinaison ST/CNN extrait efficacement les caractéristiques de l'iden-tité du locuteur sur des discours de courte durée. Mots Clef Assistant vocal, identification du locuteur, réseau de neurones convolutifs, réseau hybride.",
theme="pattern"

 }