MANSHIP:基于移动的助听通知服务,用于听力障碍者,使用混合深度学习模型
Soualihou Ngnamsie Njimbouom1, Kwonwoo Lee1, Jeong-Dong Kim1,2,3
1Department of Computer Science and Electronic Engineering, Sun Moon University, Asan, Republic of Korea.
概括
一个新的混合深度学习模型准确地为听力障碍者分类声音. 一个移动系统,MANSHIP,提醒那些有严重听力损失的人危险,提高安全.
科学领域:
- 听力学 听力学是指听力学.
- 人工智能的人工智能
- 辅助技术 辅助技术 辅助技术
背景情况:
- 听力障碍影响全球数以百万计的人,增加了事故风险.
- 现有的助听器对于完全听力损失是不够的.
- 对于严重听力障碍的人来说,增强的安全解决方案至关重要.
研究的目的:
- 开发一个准确的听力损失的声音分类模型.
- 创建一个基于移动的危险检测和警报系统.
- 提高听力障碍者的安全性和减少护理人员的依赖.
主要方法:
- 使用了混合深度学习模型,将VGG16和ResNet-50结合起来.
- 该模型在多样化的城市声音数据集上进行了训练和验证.
- 开发了一个移动应用程序,MANSHIP,用于实时声音检测和警报.
主要成果:
- 混合型号在声音分类中实现了97.14%的准确性.
- 该MANSHIP系统有效地检测环境声音,并提醒用户.
- 与现有的最先进的解决方案相比,该系统表现出卓越的性能.
结论:
- 混合深度学习模型为听力障碍提供有效的声音分析.
- MANSHIP提高了严重或完全听力损失的个人的安全性.
- 这项技术有可能显著提高生活质量和独立性.
更多相关视频
11:39Assessment of Audio-Tactile Sensory Substitution Training in Participants with Profound Deafness Using the Event-Related Potential Technique
Published on: September 7, 2022
1.9K
09:01Development of an Audio-based Virtual Gaming Environment to Assist with Navigation Skills in the Blind
Published on: March 27, 2013
14.3K
