基于卷积神经网络的B超舌图像年龄估计
计算机视觉与模式识别
2021-01-28 v1
摘要
超声舌成像广泛用于语音产生研究，并因其在诸多不同领域的潜在应用（如二语习得的视觉生物反馈工具与无声语音接口）而受到日益关注。与以往研究不同，本文探索利用说话人超声舌图像进行年龄估计的可行性。受深度学习成功的启发，本文在该任务上利用深度学习。我们在UltraSuite数据集上训练了一个深度卷积神经网络模型。该深度模型对典型发育儿童数据的平均绝对误差（MAE）为2.03，而对语音 sound 障碍儿童数据的MAE为4.87，表明利用超声进行年龄估计对语音 sound 障碍儿童更具挑战性。所开发方法可用作评估语音治疗课程表现的工具。同样值得注意的是，尽管我们利用超声舌成像进行研究，所提方法也可扩展至其他成像模态（如MRI）以辅助语音产生研究。
引用
@article{arxiv.2101.11245,
title = {Convolutional Neural Network-Based Age Estimation Using B-Mode Ultrasound Tongue Image},
author = {Kele Xu and Tamas Gábor Csapó and Ming Feng},
journal= {arXiv preprint arXiv:2101.11245},
year = {2021}
}
备注
5 Figures