BSC-UPC 在 EmoSPeech-IberLEF2024：用于情感识别的注意力池化
音频与语音处理
2024-07-18 v1
摘要
语音情感识别（speech emotion recognition, SER）领域始终是机器学习网络图景中的前沿。该领域在过去几个十年里一直是活跃的，其实现在多个可能影响日常生活的应用中表现突出。因此，2024 年的伊比利亚语言评估论坦（IberLEF）举办了一项竞赛，以利用西班牙语语料库提升 SER 结果。本文介绍了为参加此竞赛而遵循的方法。主要架构包括使用不同的预训练语音和文本模型从两种模态中提取特征，利用注意力池化机制。我们提出的系统以 86.69% 的 Macro F1-Score 获得了竞赛的第一名。
引用
@article{arxiv.2407.12467,
title = {BSC-UPC at EmoSPeech-IberLEF2024: Attention Pooling for Emotion Recognition},
author = {Marc Casals-Salvador and Federico Costa and Miquel India and Javier Hernando},
journal= {arXiv preprint arXiv:2407.12467},
year = {2024}
}