基于MAML和改进MobileNet模型的低龄儿童语音词汇识别 |
| |
引用本文: | 马孟星,鄢元霞,马春晓,潘文林.基于MAML和改进MobileNet模型的低龄儿童语音词汇识别[J].云南民族大学学报(自然科学版),2023(3):346-351. |
| |
作者姓名: | 马孟星 鄢元霞 马春晓 潘文林 |
| |
作者单位: | 1. 云南民族大学电气信息工程学院;2. 昆明医科大学第三附属医院;3. 云南民族大学数学与计算机科学学院 |
| |
摘 要: | 语言能力测试常用于评估低龄儿童的词汇储备等能力,运用语音识别等人工智能技术能够提高语言能力测试的工作效率,从而让更多的语言发育迟缓儿童能被尽早发现并得到治疗.低龄儿童语音相较于成人语音更难识别,且缺乏相关公开数据集,为了解决语言能力测试场景下的低龄儿童语音词汇识别问题,采集72名2~3岁儿童的语音数据,对具有参数少、计算成本低等特点的MobileNet模型进行了改进,并使用模型无关的元学习方法(MAML)优化改进模型,使改进模型适用于小样本环境下的低龄儿童语音词汇识别.实验证明,相关改进措施均能提高模型的儿童语音词汇识别性能.
|
关 键 词: | 语言能力测试 语音词汇识别 小样本学习 |
|
|