Fakulta informačních technologií VUT v Brně

Detail publikace

Improving Noise Robustness of Automatic Speech Recognition via Parallel Data and Teacher-student Learning

MOŠNER Ladislav, WU Minhua, RAJU Anirudh, PARTHASARATHI Sree Hari Krishnan, KUMATANI Kenichi, SUNDARAM Shiva, MAAS Roland a HOFFMEISTER Björn. Improving Noise Robustness of Automatic Speech Recognition via Parallel Data and Teacher-student Learning. In: Proceedings of ICASSP. Brighton: IEEE Signal Processing Society, 2019, s. 6475-6479. ISBN 978-1-5386-4658-8. Dostupné z: https://ieeexplore.ieee.org/document/8683422
Název česky
Zlepšování odolnosti vůči šumu automatického rozpoznávání řeči pomocí paralelních dat a učení typu učitel-žák
Typ
článek ve sborníku konference
Jazyk
angličtina
Autoři
Mošner Ladislav, Ing. (UPGM FIT VUT)
Wu Minhua (AmazonCom)
Raju Anirudh (AmazonCom)
Parthasarathi Sree Hari Krishnan (AmazonCom)
Kumatani Kenichi (AmazonCom)
Sundaram Shiva (AmazonCom)
Maas Roland (AmazonCom)
Hoffmeister Björn (AmazonCom)
URL
Abstrakt
Pro aplikace rozpoznávání řeči v reálném světě je robustnost hluku stále výzvou. V této práci přijímáme techniku učení učitele (T / S) využívající paralelní čistý a hlučný korpus pro zlepšení výkonu automatického rozpoznávání řeči (ASR) pod multimediálním šumem. Navíc používáme metodu výběru logitů, která zachovává pouze nejvyšší hodnoty k, abychom zabránili nesprávnému zdůraznění znalostí učitele a snížili šířku pásma potřebnou pro přenos dat. Začlenili jsme až 8 000 hodin nepřepisovaných dat pro trénink a prezentujeme naše výsledky na sekvenčně trénovaných modelech kromě těch, které byly vyškoleny na křížovou entropii. Nejlepší studentský model se sekvenčním tréninkem přináší snížení relativní chybovosti slov (WER) přibližně o 10,1%, 28,7% a 19,6% na našich čistých, simulovaných hlučných a reálných testovacích sadách ve srovnání se sekvenčně vyškoleným učitelem.
Rok
2019
Strany
6475-6479
Sborník
Proceedings of ICASSP
Konference
International Conference on Acoustics, Speech, and Signal Processing, Brighton, GB
ISBN
978-1-5386-4658-8
Vydavatel
IEEE Signal Processing Society
Místo
Brighton, GB
DOI
BibTeX
@INPROCEEDINGS{FITPUB12098,
   author = "Ladislav Mo\v{s}ner and Minhua Wu and Anirudh Raju and Krishnan Hari Sree Parthasarathi and Kenichi Kumatani and Shiva Sundaram and Roland Maas and Bj\"{o}rn Hoffmeister",
   title = "Improving Noise Robustness of Automatic Speech Recognition via Parallel Data and Teacher-student Learning",
   pages = "6475--6479",
   booktitle = "Proceedings of ICASSP",
   year = 2019,
   location = "Brighton, GB",
   publisher = "IEEE Signal Processing Society",
   ISBN = "978-1-5386-4658-8",
   doi = "10.1109/ICASSP.2019.8683422",
   language = "english",
   url = "https://www.fit.vut.cz/research/publication/12098"
}
Nahoru