Comparison of Speech Recognition and Natural Language Understanding Frameworks for Detection of Dangers with Smart Wearables

Mrozek, Dariusz; Kwaśnicki, Szymon; Sunderam, Vaidy S.; Małysiak-Mrozek, Bożena; Tokarz, Krzysztof; Kozielski, Stanisław

doi:10.1007/978-3-030-77970-2_36

Cited by 1 publication

(1 citation statement)

References 23 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…En la literatura, existen diversos trabajos sobre el reconocimiento automático de la voz (ASR, por sus siglas en inglés) y el reconocimiento de las emociones del habla (SER, por sus siglas en inglés). El ASR se enfoca en detectar y comprender las palabras que una persona emite durante su discurso, mientras que los sistemas SER se dedican a identificar el estado emocional en el que se encuentra una persona al hablar (Mrozek et al, 2021).…”

Section: Estado Del Arteunclassified

Dispositivo IoT para prevenir la violencia de género usando TinyML

Avila Rodríguez,

Quizhpe Buñay,

Chango Sailema

et al. 2023

AXIOMA

View full text Add to dashboard Cite

El estudio se enmarca en el desarrollo de una solución basada en el Internet de las Cosas (IoT) y el aprendizaje automático para prevenir y detectar situaciones de peligro relacionadas con la Violencia basada en el Género (VBG). El objetivo es proporcionar una herramienta útil y accesible para las mujeres en riesgo, contribuyendo así a la prevención y reducción de la VBG. El problema que aborda el estudio es la violencia basada en el género, un tema de gran relevancia social y humanitaria. Se busca utilizar tecnologías digitales y aprendizaje automático para detectar palabras asociadas con situaciones de peligro y prevenir la VBG en tiempo real. Para abordar el problema, se utiliza una data set público creado por Microsoft que contiene muestras de audio de diferentes palabras, incluyendo palabras asociadas con situaciones de peligro como "yes" y "no", así como otras palabras y ruido estático. Se utilizan datos de audio en formato WAV, divididos en ventanas de un segundo con una frecuencia de muestreo de 16000 Hz. Se selecciona una ventana de datos homogénea con una duración de un segundo y se utiliza el coeficiente cepstral de frecuencia (MFCC) para resaltar la voz humana y reducir el ruido de fondo. El modelo desarrollado mostró un buen desempeño en general, con una eficiencia promedio del 91.3% en el conjunto de entrenamiento y del 85.83% en el conjunto de evaluación. Se obtuvo una alta precisión en la detección de palabras asociadas con situaciones de peligro, como "yes" y "no". Se reconoce que la tecnología tiene un papel significativo en abordar la VBG, pero también se enfatiza en la necesidad de un compromiso de la sociedad y los gobiernos para lograr un cambio duradero y significativo en la erradicación de este problema a nivel mundial.

show abstract

Section: Estado Del Arteunclassified