基于核融合膨胀卷积神经网络从语音中检测情感突发
声音
2021-10-11 v1 人机交互
音频与语音处理
摘要
随着语音接口日益丰富和普及，语音情感识别有望带来更具吸引力的应用。在连续情感识别（CER）问题中，追踪情感状态间的变化是一项重要且备受期待的能力。尽管 CER 研究在评估中广泛使用相关性度量，这些度量并不总能捕捉情感域中所有高强度变化。本文中，我们定义了一种新颖的情感突发检测问题，以准确捕捉情感属性的高强度变化。针对该问题，我们构建了一种二类分类方法，在情感状态轮廓上隔离情感突发区域。所提出的分类器是一种由语音谱特征驱动的核融合膨胀卷积神经网络（KFDCNN）架构，用于将情感属性轮廓分割为空闲与突发段。实验评估在 RECOLA 和 CreativeIT 数据集上进行。观察到所提出的 KFDCNN 在两个数据集上均优于基线前馈神经网络。
引用
@article{arxiv.2110.04091,
title = {Affective Burst Detection from Speech using Kernel-fusion Dilated Convolutional Neural Networks},
author = {Berkay Kopru and Engin Erzin},
journal= {arXiv preprint arXiv:2110.04091},
year = {2021}
}