面向手势与语音识别的 TinyML 模型在 Arduino 33 BLE 上的实现
音频与语音处理
2022-07-27 v1 计算机视觉与模式识别
机器学习
声音
摘要
本文在采用 Tiny Machine Learning (TinyML) 的嵌入式系统上实现了手势识别和语音识别应用。其配备 3 轴加速度计、3 轴陀螺仪和 3 轴磁力计。手势识别为非语言交流提供了一种创新方法，在人机交互和手语中有广泛应用。在此手势识别实现中，TinyML 模型从 EdgeImpulse 框架训练并部署用于手势识别，基于手部运动，配备 6 轴 IMU 的 Arduino Nano 33 BLE 设备可识别手部运动方向。语音是一种交流方式。语音识别是一种让计算机理解人类语音语句或命令并相应作出反应的方法。语音识别的主要目标是实现人与机器之间的通信。在此语音识别实现中，TinyML 模型从 EdgeImpulse 框架训练并部署用于语音识别，基于人类发出的关键词，配备内置麦克风的 Arduino Nano 33 BLE 设备可根据所发关键词使 RGB LED 亮起红色、绿色或蓝色。各应用的结果在结果部分给出并列出，并对结果进行了分析。
引用
@article{arxiv.2207.12866,
title = {Implementation Of Tiny Machine Learning Models On Arduino 33 BLE For Gesture And Speech Recognition},
author = {Viswanatha V and Ramachandra A. C and Raghavendra Prasanna and Prem Chowdary Kakarla and Viveka Simha PJ and Nishant Mohan},
journal= {arXiv preprint arXiv:2207.12866},
year = {2022}
}