Akopọ
SpecAugment jẹ ọna imudara data ti o rọrun ṣugbọn ti o lagbara ti o ṣe boju-boju ati jagun spectrogram ti ọrọ lati jẹ ki awọn awoṣe idanimọ lagbara diẹ sii. O ṣe alekun iṣedede lori awọn ala-ilẹ laisi eyikeyi ohun titun tabi awọn ayipada awoṣe.
SpecAugment fun Idanimọ Ọrọ joko ni awọn ṣiṣan iṣẹ ohun-AI ti o yi ọrọ pada, orin, ati ohun fun ibaraẹnisọrọ, iraye si, ati iṣelọpọ media.
Jin Dive
SpecAugment, ti a ṣe nipasẹ Google Brain (Park et al.) ni ọdun 2019, ṣe afikun ikẹkọ idanimọ ọrọ nipasẹ ṣiṣatunṣe log-mel spectrogram taara dipo ọna igbi aise. O kan awọn iṣẹ mẹta: ijakadi akoko, eyiti o na die-die tabi rọ ohun ohun naa ni ọna akoko; igbohunsafẹfẹ masking, eyi ti zeroes jade igbohunsafefe ti igbohunsafẹfẹ awọn ikanni; ati masking akoko, eyi ti o ṣofo awọn igba ti awọn igbesẹ akoko. Nipa fipa mu awoṣe lati da ọrọ mọ paapaa nigba ti awọn ṣoki ti spectrogram ti wa ni pamọ, SpecAugment n ṣiṣẹ bi isọdọtun ati ṣe idilọwọ overfitting. O jẹ olowo poku ti iyalẹnu ati imunadoko, ṣe iranlọwọ fun awọn awoṣe ara-LAS lati de ọdọ awọn oṣuwọn aṣiṣe ọrọ-ti-ti-aworan lẹhinna lori LibriSpeech ati Switchboard, ati pe o jẹ eroja aiyipada ni awọn opo gigun ti ikẹkọ ASR ode oni.
Imọ-imọ-ẹrọ
SpecAugment nṣiṣẹ lori 2D spectrogram bi ẹnipe o jẹ aworan kan. Igbohunsafẹfẹ masking yọ a ID Àkọsílẹ ti mel-igbohunsafẹfẹ awọn ikanni; akoko masking yọ a ID Àkọsílẹ ti loorekoore awọn fireemu; akoko warping iṣinipo a yan ojuami pẹlú awọn akoko ipo lilo interpolation. Awọn iboju iparada pupọ le ṣee lo fun sisọ ọrọ kan. Nitoripe awọn iboju iparada yi gbogbo akoko pada, awoṣe ni imunadoko ri awọn iyatọ ailopin ti apẹẹrẹ kọọkan, imudarasi gbogbogbo laisi gbigba data tuntun.
Mastering SpecAugment fun Ọrọ idanimọ
SpecAugment jẹ ọna imudara data ti o rọrun ṣugbọn ti o lagbara ti o ṣe boju-boju ati jagun spectrogram ti ọrọ lati jẹ ki awọn awoṣe idanimọ lagbara diẹ sii. O ṣe alekun iṣedede lori awọn ala-ilẹ laisi eyikeyi ohun titun tabi awọn ayipada awoṣe. SpecAugment fun Idanimọ Ọrọ joko ni awọn ṣiṣan iṣẹ ohun-AI ti o yi ọrọ pada, orin, ati ohun fun ibaraẹnisọrọ, iraye si, ati iṣelọpọ media. Lati kọ oye ti o jinlẹ, tọju SpecAugment fun idanimọ Ọrọ bi awoṣe iṣẹ, kii ṣe ẹya ẹyọkan: ṣalaye awọn abajade ti o fẹ, ṣe alaye awọn arosọ, ati lọtọ ohun ti eto le ṣe ni igbẹkẹle lati ohun ti o tun nilo idajọ amoye.
Ni iṣe, awọn ẹgbẹ ti o lagbara ti nlo SpecAugment fun Idanimọ Ọrọ ṣe itọju didara, lairi, ati ifọkansi gẹgẹbi awọn ẹya pataki kanna ti ilana imuṣiṣẹ. Wọn ṣe akọsilẹ awọn ibeere aṣeyọri ti o fojuhan, idanwo lodi si data ojulowo ati ṣiṣan iṣẹ, ati atunbere ti o da lori awọn ilana ikuna ti a ṣakiyesi dipo awọn bori ala-akoko kan. Eyi ni ibiti oye imọ-jinlẹ yipada si agbara ti o tọ kọja ọja, eto imulo, ati awọn iṣẹ ṣiṣe.
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun. Ni akoko kanna, ilokulo ohun ati awọn eewu imisi eniyan n pọ si nigbati igbanilaaye ba sonu. Ọna resilient julọ julọ ni lati darapọ iyara idanwo pẹlu ibawi ijọba: ṣiṣe awọn awakọ awakọ, mu ẹri mu, ṣe atẹjade awọn iwe ipinnu, ati imudojuiwọn awọn aabo nigbagbogbo bi ihuwasi awoṣe, awọn ireti olumulo, ati awọn ibeere ilana ti dagbasoke.
Ipa Ilana
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun.
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere.
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla.
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Real-World imuse
Imudara oṣuwọn aṣiṣe ọrọ lori LibriSpeech nipasẹ didoju awọn ẹgbẹ spectrogram lakoko ikẹkọ
Ṣiṣe deede awọn awoṣe ASR-opin-si-opin bii LAS tabi Conformer lati dinku iwọn apọju
Imudara awọn ipilẹ data to lopin fun awọn ede orisun kekere laisi gbigbasilẹ ohun titun
Imudara ero boju-boju si ijẹrisi agbọrọsọ ati isọdi iṣẹlẹ ohun
Awọn Ilana imuse
SpecAugment fun Idanimọ Ọrọ ni iṣe
Imudara oṣuwọn aṣiṣe ọrọ lori LibriSpeech nipasẹ didoju awọn ẹgbẹ spectrogram lakoko ikẹkọ.
Ilọsiwaju oṣuwọn aṣiṣe ọrọ lori LibriSpeech nipasẹ didoju awọn ẹgbẹ spectrogram lakoko ikẹkọ Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
SpecAugment fun Idanimọ Ọrọ ni iṣe
Ṣiṣe deede awọn awoṣe ASR-opin-si-opin bii LAS tabi Conformer lati dinku iwọn apọju.
Ṣiṣe deede awọn awoṣe ASR ipari-si-opin bii LAS tabi Conformer lati dinku awọn ẹgbẹ apọju nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
SpecAugment fun Idanimọ Ọrọ ni iṣe
Imudara awọn ipilẹ data to lopin fun awọn ede orisun kekere laisi gbigbasilẹ ohun titun.
Imudara awọn iwe data to lopin fun awọn ede orisun kekere laisi gbigbasilẹ awọn ẹgbẹ ohun afetigbọ tuntun nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna igbega eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
SpecAugment fun Idanimọ Ọrọ ni iṣe
Imudara ero boju-boju si ijẹrisi agbọrọsọ ati isọdi iṣẹlẹ ohun.
Iṣatunṣe imọran boju-boju si ijẹrisi agbọrọsọ ati isọdi iṣẹlẹ ohun Awọn ẹgbẹ nigbagbogbo gba awọn abajade ti o dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna igbega eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
Awọn ewu & Awọn ọna iṣọ
ilokulo ohun ati awọn ewu afarawe ṣe pọ si nigbati igbanilaaye ba sonu.
Yiye le ju silẹ kọja awọn asẹnti, awọn ede-ede, tabi awọn agbegbe alariwo.
Ohun afetigbọ sintetiki le jẹ aṣiṣe fun ọrọ ododo laisi isamisi to yege.
Ilana Ilana imuse
Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo.
Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.