لب خوانی با استفاده از شبکه های عصبی محرک وتاثیر آن در خواندن کلمات با مشاهده تصویر

هدف این مقاله توسعه یک سیستم بازشناسی گفتار مبتنی بر ویدئو است، که برای افراد مبتلا به اختلال شنوایی استفاده میشود تا بیماران مبتلا به سرطان حنجره، افراد مبتلا به فلج تارهای صوتی در محیط پر سر و صدا را درک کنند. و همچنین قادر به یادگیری و شناسایی کلمات از مجموعه داده های استفاده شده باشند. برای این کار ابتدا ، به جمع آوری اطلاعات خودکار از برنامه های تلویزیونی پرداخته شده است. که شامل یک مجموعه داده می باشد؛ سپس یک شبکه عصبی معرفی شده است که قادر به یادگیری و شناسایی تعدادی کلمه از این مجموعه داده بزرگ هستند.

کلیدواژه ها:

لب خوانی ، بازشناسی گفتار ، لحظات هان ، شبکه های عصبی مصنوعی ، یادگیری زبان