t-EER:无参数的连锁评估对策和生物特征比对器
本文提出基于范围的均等错误率来评估欺骗定位表现的新指标,并使用二分搜索算法与传统的基于点的均等错误率进行比较,结果表明使用正确的时间分辨率的点均等错误率或者基于范围的均等错误率都可以公正和准确地评估欺骗定位表现。
May, 2023
本文旨在对串联检测费用函数的应用进行扩展,作为一种基于风险的方法评估自动说话者验证系统中虚假对抗性攻击的可靠性,希望采用此方法能够促进反欺诈和自动说话者验证国际社区之间的更紧密合作。
Jul, 2020
该研究是围绕无需参数的注意力评分机制对说话者验证进行研究,其中提出了一种注意力机制,并与传统余弦相似度基准进行对比,结果表明在多个任务的平均 EER 方面,新的评分机制可将 EER 提高 10%。
Mar, 2022
本文提出了一个关于串行融合多个生物特征匹配器的理论框架,评估了该系统在性能以及模型参数计算估计误差方面的利益,并通过对 NIST 生物特征分数集 1 的初步实验证明了其优缺点。
Jan, 2024
这篇论文研究了基于概率建模的生物识别技术中的安全问题,探讨了模板大小、数据库大小和阈值对识别精度的影响,揭示了生物识别技术的两种攻击方式,并提出了选择参数的建议。
Apr, 2023
本文介绍了一种名为 face-GPAD 的新的开源评估框架,旨在研究人脸 PAD 方法的泛化能力,同时提出了一个聚合和分类的大型数据集,以解决公共数据集之间的不兼容性问题,并提出了两个新的评估协议,旨在测量人脸分辨率变化引入的影响和评估对抗性操作条件的影响。
Apr, 2019
提出了基于平衡误差率的方法来评估说话人分离,该方法包括段错误率、片段级误差率和说话人加权误差率,其中通过使用连接的子图和自适应 IoU 阈值来获得准确的片段匹配而提出了段级错误率(SER)。
Nov, 2022
该论文描述了 TSUP 团队在 ISCSLP 2022 CSSD 挑战赛中的参赛表现和关键研究成果,侧重于短话语音者分离与新的评价指标 CDER。SC 方法是最受欢迎的方法并且所有的三种语音者分离系统都需要调参,最后 SC 系统的表现居于第三名。
Oct, 2022
研究在生物医学领域中,针对包含顺序数据的机器学习算法的评估缺乏标准化。本论文对现有的缺陷进行了讨论,并提出了几种新的性能度量标准,其中两种有前途的度量标准是实际术语加权值(ATWV)和时间对齐事件评分(TAES)。作者还展示了深度学习的最新技术在性能方面表现出色,但仍需要进一步改进才能满足用户的严格接受标准。
Dec, 2017
提出了一种基于多个输入模态的学习方法 M3ER,旨在实现情绪识别,其采用数据驱动的乘积融合方法来结合来自多个模态的线索,抑制噪音,提高准确性,并取得了成功的实验验证。
Nov, 2019