関連する実験動画
Updated: May 6, 2026
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.3K
音声コマンド認識のための軽量なECAベースのDCNNアプローチ
Karthikeyan V1, Saranya P1, Natchiyar M1
1Dept. of ECE, Mepco Schlenk Engineering College, Sivakasi, Tamil Nadu, India.
Computers in biology and medicine
|August 24, 2025
まとめ
効率的なチャネルアテンション (LW-DCNN-ECA) を備えた新しい軽量なディープコンヴォルションニューラルネットワークは,スピーチ認識において高い精度を達成します. この高度なモデルにより 言語障害のあるユーザーも含め コミュニケーションとアクセシビリティが向上します
科学分野:
- コンピュータ科学
- 人工知能
- 機械学習
背景:
- 音声認識技術は様々な業界で 音声ストリームの転写を容易にする.
- ユーザー認証のバイオメトリックとして機能し,スピーチ障害のある個人を助けます.
- テクノロジーは自然で 人間らしいコミュニケーションを可能にします
研究 の 目的:
- 音声認識を改善するための効率的なチャネル注意枠 (LW-DCNN-ECA) を備えた軽量なエンドツーエンドのディープコンボリューションニューラルネットワークを提案する.
- 先進的な音声認識により コミュニケーションの容易さと柔軟性を高めます
主な方法:
- 効率的なチャネルアテンション (ECA) メカニズムを組み込んだ,レイヤードリニューアルされたエンドツーエンドの深層CNNが開発された.
- ECAレイヤは,軽量な深層コンボリューションニューラルネットワークのパフォーマンスを高めるために設計された計算効率の良いモジュールです.
主要な成果:
- LW-DCNN-ECAモデルは,ミニスピーチコマンドのデータセットで98.28%の認識率と0.5691の損失を達成した.
- 音声コマンドのデータセットでは,0.2634の損失で99.98%の認識率を達成しました.
- フレームの頑丈さはフィッシャー・コープスとCHiME-4コープスで検証された.
結論:
- 提案されたLW-DCNN-ECAフレームワークは,音声認識のタスクにおいて高い有効性と正確性を示しています.
- このモデルは,音声認識のパフォーマンスを高めるための計算効率の良いソリューションを提供します.
- この技術は,アクセシビリティとコミュニケーションツールを改善する大きな可能性を秘めています.
