ماشین بردار پشتیبان کالیبره‌شده برای طبقه‌بندی احتمالاتی صداهای داخل خودرو به فرمان‌های خودرو از طریق تبدیل گفتار به متن با LLM
نوشتهٔ
M Moeini, R Ahmadian, M Ghatee
برای ارائه در «2024 8th International Conference on Smart Cities, Internet of Things and Applications (SCIoT)» پذیرفته شده است.
چکیده:
با پیشرفت سریع فناوری‌های هوش مصنوعی در زندگی انسان، به‌ویژه در صنعت خودرو، محبوبیت خودروهای هوشمند افزایش یافته است. طراحی کابین هوشمند خودرو با قابلیت تعامل روان با راننده و خودرو، راهکاری مهم برای رفع چالش‌های تعامل انسان و خودرو به شمار می‌رود. هدف این پروژه، پیاده‌سازی دستیار صوتی دیجیتالی است که فرمان‌های خودرو را تشخیص دهد. این پروژه از سه روش اصلی استفاده می‌کند: تبدیل گفتار به متن، طبقه‌بندی متن و کالیبره‌کردن طبقه‌بندی‌کننده برای تشخیص جمله‌های خارج از توزیع (OOD). با استفاده از Vosk، یک مدل LLM، صداهای محیط خودرو به قالب متن تبدیل می‌شوند. سپس پس از پیش‌پردازش متن، یک SVM آن‌ها را طبقه‌بندی می‌کند. با استفاده از مقیاس‌بندی پلت (Platt scaling)، خروجی‌های طبقه‌بندی‌کنندهٔ SVM کالیبره و احتمالاتی می‌شوند. نتایج تجربی نشان می‌دهند که مدل پیشنهادی در تشخیص فرمان به دقت کلی (Accuracy) برابر با 96.43%، دقت پیش‌بینی مثبت (Precision) برابر با 96.83%، بازخوانی (Recall) برابر با 96.43%، امتیاز F1 برابر با 96.39% و زیان آنتروپی متقاطع 0.1437 می‌رسد. افزون بر این، آستانهٔ بهینه برای جمله‌های خارج از توزیع برابر با 0.4 است.
مرجع: https://ieeexplore.ieee.org/abstract/document/10570106