|
|||||
|
|
| 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 |