290 likes | 427 Views
Indexation Parole / Musique / Bruit. Julien PINQUIER Responsables de stage : Régine André-Obrecht et Christine Sénac Equipe ART.ps Institut de Recherche en Informatique de Toulouse Soutenance DEA 2IL - 27 juin 2001. Plan. Cadre de l’étude Etat de l’art Le système
E N D
Indexation Parole / Musique / Bruit Julien PINQUIER Responsables de stage : Régine André-Obrecht et Christine Sénac Equipe ART.ps Institut de Recherche en Informatique de Toulouse Soutenance DEA 2IL - 27 juin 2001
Plan • Cadre de l’étude • Etat de l’art • Le système • Réalisations et expériences • Conclusion et perspectives Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Plan • Cadre de l’étude • Etat de l’art • Le système • Réalisations et expériences • Conclusion et perspectives Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Cadre de l’étude • Importance de l’indexation • Accroissement du volume des données numériques • Description du contenu (« norme » ISO_MPEG7) • Analogie avec la recherche textuelle • Méthodes actuelles d’indexation : manuelles • Réduire le temps de recherche • Bande sonore souvent très complexe • Discrimination entre parole et musique Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Cadre de l’étude • Le Projet de recherche : AGIR (RNRT) Signatures multimédia Application et validation Signatures images Moteur d’indexation et de recherche Signatures vidéo Documents multimédia Signatures texte Signatures son Signatures son • Le sujet de DEA • Caractérisation : Parole / Musique • Un système d’indexation basé sur la modélisation différenciée • Approche statistique (Modèles de Mélanges de lois Gaussiennes) Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Plan • Cadre de l’étude • Etat de l’art • Le système • Réalisations et expériences • Conclusion et perspectives Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Etat de l’art • Parole • Structure formantique [Calliope89] • Formants = Fréquences de résonance du conduit vocal Formants Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Etat de l’art • Musique • Structure harmonique Harmoniques Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Etat de l ’art • Paramètres • Temporels : ZCR et Energie [Saunders96], [Scheirer97] et [Zhang98] • Fréquentiels : issus de la DSP [Saunders96] et [Scheirer97] • Mixtes : modulation de l’énergie à 4 Hz [Scheirer97] • représente le rythme syllabique • Issus de modélisation : MFCC [Foote97] musique parole • Classification • Fonctions à seuils • Approche statistique • Méthodes paramétriques : mélanges de gaussiennes, MMC • Méthodes non paramétriques : k plus proches voisins... • Réseaux de neurones Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Plan • Cadre de l’étude • Etat de l’art • Le système • Réalisations et expériences • Conclusion et perspectives Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Le système • Décomposition Parole / Musique • Modélisation Différenciée • 1 classe = {Espace de représentation, Modèle} • Description du système Signal Décision Pré traitement Classification 2 systèmes : parole et musique Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Le pré traitement • Parole : analyse cepstrale • MFCC (18 coefficients par vecteur d’observation) • Soustraction cepstrale Coefficients Signal Cepstraux Accentuation Fenêtrage FFT Filtrage+Mel Log FFT -1 • Musique : analyse spectrale • SPL (29 coefficients par vecteur d’observation) Signal Coefficients Accentuation Fenêtrage FFT Filtrage Spectraux Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Reconnaissance • Méthode de classification • Approche statistique • Classe • 2 modèles • NonClasse • MMG • Maximum de vraisemblance (vecteur observation - modèles) Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
La reconnaissance • Classification • Fenêtre d’analyse (256 ou 512 points) Exemple de classification Parole / NonParole Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
La reconnaissance • Assemblage Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
La reconnaissance • 1er Lissage (20 ms) Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
La reconnaissance • 2ème Lissage (indexation) • Parole (environ 400 ms) et musique (environ 2 s) Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
La reconnaissance Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Le système Apprentissage Modèles Signal Décision Pré traitement Classification Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
L’apprentissage des MMG (supervisé) • Etiquetage manuel • Transcriber (C. Barras) • http://www.etca.fr/CTA/gip/Projets/Transcriber/ • Affectation des paramètres • 3 fichiers labels fichiers de paramètres Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
L’apprentissage des GMM • Initialisation des modèles : algorithme VQ • Représenter les éléments d’une classe par son centroïde • Optimisation des paramètres : algorithme EM • Estimation : calcul des probabilités Pnk que le vecteur yn soit généré par la loi gaussienne k. • Maximisation : Ré-estimation des paramètres k, mk et k à partir des probabilités Pnk Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
L’apprentissage des GMM 32 lois gaussiennes Parole Paramètres indicés (Parole) Etiquetage manuel (parole) VQ EM Affectation NonParole Coeff. Cepstraux 18 Paramètres indicés (NonParole) VQ EM Signal MODELES Pré traitement Musique Paramètres indicés (Musique) 29 Coeff. spectraux VQ EM Affectation NonMusique Paramètres indicés (NonMusique) VQ EM Etiquetage manuel (musique) 16 lois gaussiennes Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Plan • Cadre de l’étude • Etat de l’art • Le système • Réalisations et expériences • Conclusion et perspectives Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Réalisations et expériences • Première expérience • Corpus : épisode de la série « Chapeau Melon et Bottes de Cuir » duréetotale : 50mn composition : parole pure, musique pure et zones « mixtes » parole : téléphonique, enregistrements extérieurs, foule, poursuites de voitures… musique : cordes, vents, basses, guitare électrique, batterie … locuteurs : 4 hommes + 1 femme • Apprentissage durée : 35mn composante parole : zone parole pure + non parole composante musique : zone musique pure + non musique • Reconnaissance 15mn différentes de celles de l’apprentissage Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Réalisations et expériences • Résultats • Calcul des délais (frontières automatiques / manuelles) • Omissions et insertions • Calcul de l’accuracy : (durée corpus test - durée insertions - durée omissions ) / durée corpus test . 86 % 91 % L’accuracy est de 95 % pour la parole et de 93 % pour la musique. Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Réalisations et expériences • Exemple d’indexation automatique Omission Délai 70 cs Lissage • Problème • la parole superposée au bruit et / ou à la musique Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Réalisations et expériences • Deuxième expérience • Corpus • Journaux télévisés sportifs : 34mn environ • Apprentissage : 14mn • Reconnaissance : 20mn • Résultats (465 segments) 96 % L’accuracy est excellente : 99,5 %. • Evolution nécessaire • adapter les modèles à n’importe quelle source • apprentissage volumineux et diversifié Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Plan • Cadre de l’étude • Etat de l’art • Le système • Réalisations et expériences • Conclusion et perspectives Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit
Conclusion et perspectives • Conclusion • Résultats excellents, validation de la modélisation différenciée • Intérêt du stage : de la recherche à l’intégration • Perspectives • Adaptation des modèles à des corpus différents • Indexation multimédia basée sur la fusion audio / vidéo • Reconnaissance du locuteur • Détection mots clés, jingles Soutenance DEA 2IL - 27 juin 2001 Indexation Parole / Musique / Bruit