基于YOLOv5的口吃类型检测研究

程振; 贾嘉敏; 蒋作; 王欣

doi:10.3969/j.issn.1672-8513.2025.01.011

云南民族大学学报(自然科学版) ›› 2025, Vol. 34 ›› Issue (01) : 84 -92. DOI: 10.3969/j.issn.1672-8513.2025.01.011

信息与计算机科学

基于YOLOv5的口吃类型检测研究

程振 ¹ ,
贾嘉敏 ² ,
蒋作 ² ,
王欣 ²

作者信息 +

Research on stuttering type detection based on YOLOv5

Author information +

文章历史 +

PDF (4502K)

摘要

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，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 4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个百分点，较原模型漏检情况有所改善.