Empreintes audio et stratégies d'indexation associées pour l'identification audio à grande échelle

Audio-fingerprints and associated indexing strategies for the purpose of large-scale audio-identification

• Auteur / Autrice : Sébastien Fenet
• Direction : Gaël Richard, Yves Grenier
• Type : Thèse de doctorat
• Discipline(s) : Signal et images
• Date : Soutenance le 23/09/2013
• Etablissement(s) : Paris, ENST
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Traitement et communication de l'information (Paris ; 2003-....)
• Jury : Président / Présidente : Frédéric Bimbot
• Jury : Examinateurs / Examinatrices : Geoffroy Peeters, Avery Wang
• Jury : Rapporteur / Rapporteuse : Régine André-Obrecht, Sylvain Marchand

Mots clés

Mots clés contrôlés

Apprentissage automatique

Indexation sonore

Exploration de données

Mots clés libres

Fonctionnalités audio

Identification

Empreinte audio

Fouille de données

Apprentissage automatique

Audio features

Identification

Audio fingerprint

Data mining

Machine learning

Résumé

Dans cet ouvrage, nous définissons précisément ce qu’est l’identification audio à grande échelle. En particulier, nous faisons une distinction entre l’identification exacte, destinée à rapprocher deux extraits sonores provenant d’un même enregistrement, et l’identification approchée, qui gère également la similarité musicale entre les signaux. A la lumière de ces définitions, nous concevons et examinons plusieurs modèles d’empreinte audio et évaluons leurs performances, tant en identification exacte qu’en identificationapprochée.

N this work we give a precise definition of large scale audio identification. In particular, we make a distinction between exact and approximate matching. In the first case, the goal is to match two signals coming from one same recording with different post-processings. In the second case, the goal is to match two signals that are musically similar. In light of these definitions, we conceive and evaluate different audio-fingerprint models.