Detail publikace

Training Data Augmentation and Data Selection

KARAFIÁT, M.; VESELÝ, K.; ŽMOLÍKOVÁ, K.; DELCROIX, M.; WATANABE, S.; BURGET, L.; ČERNOCKÝ, J.; SZŐKE, I. Training Data Augmentation and Data Selection. In New Era for Robust Speech Recognition: Exploiting Deep Learning. Computer Science, Artificial Intelligence. Heidelberg: Springer International Publishing, 2017. p. 245-260. ISBN: 978-3-319-64679-4.
Název česky
Množení a selekce trénovacích dat
Typ
kapitola v knize
Jazyk
anglicky
Autoři
Karafiát Martin, Ing., Ph.D. (UPGM)
Veselý Karel, Ing., Ph.D. (UPGM)
Žmolíková Kateřina, Ing., Ph.D. (VZ SPEECH)
Delcroix Marc (FIT)
Watanabe Shinji (FIT)
Burget Lukáš, doc. Ing., Ph.D. (UPGM)
Černocký Jan, prof. Dr. Ing. (UPGM)
Szőke Igor, Ing., Ph.D. (UPGM)
URL
Klíčová slova

training data, augmentation, data selection

Abstrakt

Zvětšení dat je jednoduchá a účinná technika ke zlepšení odolnosti rozpoznávače řeči při nasazení v neodpovídajících podmínkách tréninkového testu. Naše práce, která proběhla během workshopu JSALT 2015, byla zaměřena na vývoj: (1) Strategií rozšiřování dat včetně šumu a dozvuku. Byly testovány v kombinaci se dvěma přístupy ke zvýšení signálu: pečlivě navrženou WPE dereverberací a naučeným denoisním autoencoderem založeným na DNN. (2) Navrhnutí nové techniky pro extrakci informativního vektoru ze sekvenční souhrnné neurální sítě (SSNN). Podobně jako i-vektorový extraktor vytváří SSNN souhrnný vektor", představující akustické shrnutí promluvy. Takový vektor lze použít přímo pro adaptaci, ale hlavní použití odpovídající cíli této kapitoly je pro výběr rozšířených tréninkových dat. Všechny techniky byly testovány na tréninkovém setu AMI a testovacím setu CHiME3.

Anotace

Tato kniha pokrývá nejmodernější metody založené na hlubokých neuronových sítích pro odolnost proti šumu v aplikacích pro rozpoznávání vzdálené řeči. Poskytuje postřehy a podrobné popisy některých nových konceptů a klíčových technologií v oboru, včetně nových architektur pro vylepšení řeči, polí mikrofonů, robustních funkcí, přizpůsobení akustického modelu, rozšiřování tréninkových dat a tréninkových kritérií. Přispívané kapitoly také obsahují popis aplikací v reálném světě, srovnávací nástroje a datové sady široce používané v této oblasti. Kapitola 10 pojednává o rozšiřování tréninkových dat a výběru dat.

Tato kniha je určena pro výzkumné pracovníky a odborníky pracující v oblasti zpracování a rozpoznávání řeči, kteří se zajímají o nejnovější techniky hlubokého učení pro odolnost proti hluku. Kniha bude také zajímavá pro postgraduální studenty v oboru elektrotechniky nebo informatiky, pro které bude užitečným průvodcem v této oblasti výzkumu.

Rok
2017
Strany
245–260
Kniha
New Era for Robust Speech Recognition: Exploiting Deep Learning
Řada
Computer Science, Artificial Intelligence
ISBN
978-3-319-64679-4
Vydavatel
Springer International Publishing
Místo
Heidelberg
DOI
10.1007/978-3-319-64680-0_10
BibTeX 
@inbook{BUT144497,
  author="Martin {Karafiát} and Karel {Veselý} and Kateřina {Žmolíková} and Marc {Delcroix} and Shinji {Watanabe} and Lukáš {Burget} and Jan {Černocký} and Igor {Szőke}",
  title="Training Data Augmentation and Data Selection",
  booktitle="New Era for Robust Speech Recognition: Exploiting Deep Learning",
  year="2017",
  publisher="Springer International Publishing",
  address="Heidelberg",
  series="Computer Science, Artificial Intelligence",
  pages="245--260",
  doi="10.1007/978-3-319-64680-0\{_}10",
  isbn="978-3-319-64679-4",
  url="http://www.springer.com/gp/book/9783319646794#aboutBook"
}
Nahoru