Conception des modèles d'observation audio temps réel à l ... - atiam

CHAPITRE 4ExpérimentationsSommaire4.1 Données d’entraînement . . . . . . . . . . . . . . . . . . . 274.2 Critère d’évaluation . . . . . . . . . . . . . . . . . . . . . . 284.3 Algorithmes retenus pour les expériences . . . . . . . . . 294.4 Première approche : ordonner les descripteurs . . . . . . . 304.5 Deuxième approche : taxonomie de recherche . . . . . . . 334.6 Aire sous la courbe ROC . . . . . . . . . . . . . . . . . . . 384.1 Données d’entraînementLes échantillons sonores déjà segmentés utilisés proviennent de la basede P. Leveau [20] (14 échantillons représentants divers styles musicaux), ainsique d’une base d’extraits de la partie vocale de "En Echo" de Phillipe Manourypour soprano et électronique (11 échantillons). La base d’apprentissage(telle que formalisée au 2.3 page 11) est constituée de 15009 vecteurs etdes étiquettes de classe associées. Parmi vecteurs, 1945 ont le label de classe"Attaque", et 13064 le label "Autre".Observations sur la segmentation manuelle La segmentation utilisant unclassifieur implique une expertise humaine : nous supposons que l’on disposed’exemples correctement annotés, puis nous entraînons un modèle declassification sur ces exemples. Or, il convient de remarquer que la notiond’attaque est un concept flou ([9], [23]). Ceci se ressent particulièrement aumoment de l’annotation des exemples d’apprentissage : dans de nombreuxcas la segmentation des attaques relève d’un choix de l’expert.D’autre part, l’annotation se fait le plus souvent à l’aide de logiciels detraitement du son dans lesquels il est possible de constituer une suite de marqueurstemporels. Mais ces logiciels offrent une vue graphique du signal quise base elle-même sur une représentation du signal (la forme d’onde, ou bien