Exploitation d'une marge de tolérance de classification pour améliorer l'apprentissage de modèles acoustiques de classes en reconnaissance de la parole (Exploitation of a classification tolerance margin for improving the estimation of class-based acoustic models for speech recognition) [in French]

Ce papier presente la prise en compte d'une marge de tolerance lors la classification des donnees d'apprentissage pour la fabrication de modeles acoustiques de classes pour la transcription automatique de la parole. En effet, bien que la classification automatique des donnees permette d'aller au-dela de la traditionnelle partition hommes/femmes, le nombre de classes utilisables est generalement limite par la fiabilite des modeles acoustiques associes aux classes, qui malheureusement va en diminuant avec le nombre de classes. Les experiences presentees montrent que la prise en compte d'une marge de tolerance lors de la classification des donnees d'apprentissage permet d'accroitre la quantite des donnees associees a chaque classe, et donc la fiabilite des modeles acoustiques associes aux classes. Les evaluations menees sur les donnees de la campagne ESTER2 ont montre la possibilite de fabriquer ainsi des modeles de classes aboutissant a de meilleures performances que l'utilisation des modeles habituels specialises hommes/femmes.