面部验证的高斯混合模型

Question

我尝试为Matlab实现主要用于说话人验证的MSR Identity Toolkit。 This toolkit参考这篇题为Speaker Verification Using Adapted Gaussian Mixture Models 的论文。我正在使用Pseudo Zernike Moments来提取特征（每个图像363x1）。我尝试改变混合物，但是当设置为1（EER = 40％）时发现EER较低。但是我不太明白它是如何执行最后一个过程，其中在试验数据和模型数据中计算可能性得分。

在给定的Matlab脚本score_gmm_trials中，每个试验数据的得分由

计算

likelihood_score(trial_number) = mean(GMM_posteriorprobability-UBM_posterior_probability);

1. 提到的分数是多少？
2. 如何确定阈值以定义拒绝和接受值？
3. 如果数据未标记为已知或未知，如何测试模型？
4. 如何阅读结果以了解我实施的内容是否正确？

Answer 1

1. 您提到的分数（likelihood_score）是纸张中等式（2）中描述的对数似然比。

2. 据我所知，找到最佳阈值取决于系统设计人员，因为它可能因应用程序而异。因此，使用带有showfig选项的compute_eer函数绘制DET曲线会更好，并查看系统如何在各种阈值上运行。

3. 您需要一个带标签的试验数据集来计算获得DET曲线所需的误报率（FAR）或误拒率（FRR）。

4. 通常认为具有较低EER的系统具有更好的性能。因此，如果DET曲线更接近原点，则意味着系统的一般性能相对较好。

虽然您似乎正在处理图像数据集，但由于您使用的是MSR Identity Toolkit，我想向您推荐以下文章： J. Hansen和T. Hasan，“机器和人类的说话人识别”，IEEE信号处理杂志，第一卷。 2015年，没有。 6，pp.74--99,2015。 本文详细阐述了说话人识别过程的一般流程以及该领域中使用的一些着名算法和性能指标。

希望这有助于你！