基于YOLOv5的口吃类型检测研究

作者：程振; 贾嘉敏; 蒋作; 王欣

来源：云南民族大学学报(自然科学版), 2022, 1-11.

• YOLOv5
• 口吃识别
• 语谱图
• 目标检测

语言交流效率得分是量化口吃严重程度的方法，该方法需要获得口吃发生的时间，但目前相关研究仅能判断语音段中是否存在口吃，无法精确定位口吃的发生位置，不利于对口吃严重程度的判别。针对目前深度学习检测口吃类型无法可视化定位目标的问题，本文首先使用短时傅里叶变换将语音转化为语谱图，然后对其进行口吃类型标记，最后使用YOLOv5对口吃类型进行检测。在YOLOv5的基础框架下尝试YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x四种不同深度和宽度的模型，实现口吃类型的分类和定位，并选择在其性能最优的模型YOLOv5l中引入高效通道注意力机制和CIOU目标框损失函数对基础模型进行改进。实验结果表明，改进的YOLOv5l模型在训练损失值有明显降低，在准确率、召回率和mAP＿0.5上分别提升了1.2%、0.6%和0.4%，较原模型漏检情况有所改善。

• 单位
  云南民族大学