Detail publikace

Boosting of Contextual Information in ASR for Air-Traffic Call-Sign Recognition

KOCOUR, M.; VESELÝ, K.; BLATT, A.; ZULUAGA-GOMEZ, J.; SZŐKE, I.; ČERNOCKÝ, J.; KLAKOW, D.; MOTLÍČEK, P. Boosting of Contextual Information in ASR for Air-Traffic Call-Sign Recognition. In Proceedings Interspeech 2021. Proceedings of Interspeech. Brno: International Speech Communication Association, 2021. p. 3301-3305. ISSN: 1990-9772.
Název česky
Zvýrazňování kontextové informace v přepisu řeči pro rozpoznávání volacích znaků v letecké dopravě
Typ
článek ve sborníku konference
Jazyk
anglicky
Autoři
Kocour Martin, Ing. (UPGM)
Veselý Karel, Ing., Ph.D. (UPGM)
BLATT, A.
ZULUAGA-GOMEZ, J.
Szőke Igor, Ing., Ph.D. (UPGM)
Černocký Jan, prof. Dr. Ing. (UPGM)
KLAKOW, D.
Motlíček Petr, doc. Ing., Ph.D. (UPGM)
URL
Klíčová slova

Air Traffic Control, Automatic Speech Recognition, Contextual Adaptation, Call-sign Recognition, Call-sign Detection, OpenSky Network

Abstrakt

Kontextová adaptace ASR může být pro multiaccent a často hlučný projev řízení letového provozu (ATC) velmi přínosná. Zaměřujeme se na rozpoznávání volacích značek, které lze použít ke sledování konverzací provozovatelů ATC s jednotlivými letouny. Vyvinuly jsme dvoustupňovou strategii posilování, sestávající z HCLG boosting a Lattice boosting. Obě jsou implementovány jako WFST složení a kontextové informace jsou pro každou specifickou promluvu. Při posilování HCLG poskytujeme bodové slevy jednotlivým slovům, zatímco v Lattice zvyšuje skóre slevy jsou dány sekvencím slov. Kontextová data mají původ v dohledové databázi OpenSky Network. Z ní získáváme seznamy volacích značek, u kterých je větší pravděpodobnost, že se objeví v nejlepší hypotéze ASR. To také zlepšuje přesnost modulu NLU, který rozpozná volací značky od nejlepších hypotéz z ASR. V rámci projektu ATCO2 jsme shromáždili liveatc testovací sadu2. Posílení volacích značek vede k absolutnímu zlepšení WER o 4,7 %. a 27,1% absolutní nárůst rozpoznávání volacích značek Přesnost (CSA). Náš nejlepší výsledek 82,9 % CSA je docela dost dobrý, vzhledem k tomu, že data jsou zašuměná, a WER 28,4 % je relativně vysoký. Věříme, že je stále co zlepšovat.

Rok
2021
Strany
3301–3305
Časopis
Proceedings of Interspeech, roč. 2021, č. 8, ISSN 1990-9772
Sborník
Proceedings Interspeech 2021
Vydavatel
International Speech Communication Association
Místo
Brno
DOI
10.21437/Interspeech.2021-1619
UT WoS
000841879503079
EID Scopus
2-s2.0-85106084788
BibTeX 
@inproceedings{BUT175845,
  author="KOCOUR, M. and VESELÝ, K. and BLATT, A. and ZULUAGA-GOMEZ, J. and SZŐKE, I. and ČERNOCKÝ, J. and KLAKOW, D. and MOTLÍČEK, P.",
  title="Boosting of Contextual Information in ASR for Air-Traffic Call-Sign Recognition",
  booktitle="Proceedings Interspeech 2021",
  year="2021",
  journal="Proceedings of Interspeech",
  volume="2021",
  number="8",
  pages="3301--3305",
  publisher="International Speech Communication Association",
  address="Brno",
  doi="10.21437/Interspeech.2021-1619",
  issn="1990-9772",
  url="https://www.isca-speech.org/archive/interspeech_2021/kocour21_interspeech.html"
}
Nahoru