کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

مقایسه تطبیقی دو رویکرد نوین و کلاسیک برای تایید هویت گوینده: تحلیل کارایی شباهت کسینوسی در مقابل یادگیری عمیق با Triplet Loss

نویسندگان :

وحید کیانی¹ سمیرا حورعلی² عاطفه پاکزاد³

1- دانشگاه بجنورد 2- دانشگاه کوثر بجنورد 3- دانشگاه کوثر بجنورد

کلمات کلیدی :

تایید هویت گوینده،یادگیری عمیق،شبکه LSTM،تابع هزینه Triplet Loss

چکیده :

تایید هویت گوینده به عنوان یکی از شاخه‌های اصلی امنیت بیومتریک، با هدف احراز هویت افراد بر اساس ویژگی‌های صوتی ایشان، کاربردهای گسترده‌ای در صنایع مختلف دارد. در این پژوهش، دو روش سنتی و یادگیری عمیق در این حوزه، یعنی بررسی شباهت کسینوسی بردارهای MFCC و یادگیری عمیق با استفاده از تابع هزینه Triplet Loss و LSTM، مورد بررسی، پیاده‌سازی و مقایسه قرار گرفته‌اند. تمرکز اصلی بر ارزیابی دقت این دو رویکرد در شرایط واقعی و برای گوینده‌های فارسی زبان است. نتایج حاصل از آزمایش‌ها روی پایگاه داده صوتی فارسی PERSID33 حاکی از آن است که روش عمیق مبتنی بر Triplet Loss، به دلیل توانایی بالا در یادگیری فضای تعبیه غنی و تفکیک‌پذیر و یادگیری پویایی‌های زمانی سیگنال صوتی، در معیارهای دقت مربوط به تایید گوینده، به دقت بالاتری نسبت به روش سنتی دست می‌یابد. از طرف دیگر، روش سنتی نیز به عملکرد مشابهی دست یافته و در مقابل کاهش جزیی دقت، صرفه‌جویی خوبی در زمان مصرفی ارائه می‌کند. این مقاله درک عمیق‌تری از مزایا و معایب هر دو رویکرد ارائه داده و راهنمایی برای انتخاب استراتژی مناسب در طراحی سیستم‌های تایید هویت گوینده فراهم می‌آورد.