基于Faster-Rcnn-Fpn算法的口吃检测及其严重程度测评
蔡雨成
潘文林
云南民族大学电气信息工程学院 昆明 650000
摘要：目前国内对口吃的检测主要是通过语言专家的主观测评,缺少智能且客观的口吃严重程度检测的医疗辅助工具.针对这一现象,论文基于UClass口吃语料库测评儿童口吃的严重程度,使用Faster-Rcnn-Fpn深度学习算法对语谱图进行检测.实验结果表明,该模型能有效检测口吃的语音重复,延长和感叹词类型,并根据其持续时间以计算出语言效率评分(SES)来表示口吃的严重程度,有望成为计算和分析口吃严重程度的医疗辅助工具,便于尽早发现儿童口吃障碍,有助于儿童身心健康发展.
关键词：深度学习Faster-Rcnn-Fpn算法口吃目标检测语谱图识别
分类号：TN912.34(通信)
资助基金：国家自然科学基金(61866040)
论文发表日期：2024-11-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3218-3222,3228 )
英文信息