基于迁移学习的儿童口吃检测及其严重程度算法研究
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：国内目前检测口吃主要通过语言专家的主观测评,缺少客观的医疗辅助工具.同时并没有足够的中文儿童口吃数据集以匹配深度网络的大量参数,生成检测效果好的模型.针对这一现象,论文通过UClass数据集和个人采集的中文儿童口吃数据,基于迁移学习使用Yolov5算法对语谱图进行检测,从而对国内儿童口吃的严重程度进行测评.实验结果表明,该算法及其模型能有效检测中文口吃的语音重复,延长和感叹词类型,并根据其持续时间计算出语言效率评分(SES)以表示口吃的严重程度,便于尽早发现儿童口吃障碍,助于儿童身心健康发展.
关键词：深度学习Yolo算法口吃目标检测迁移学习
分类号：TN912.34(通信)
论文发表日期：2025-05-20
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( 1251-1256 )
英文信息