基于卷积神经网络与深度声学嵌入的 ACII 2022 A-VB-Type 竞赛发声爆发分类
声音
2022-10-14 v2 音频与语音处理
摘要
本报告简要描述了我们针对 ACII 2022 情感发声爆发（A-VB）竞赛的发声爆发类型分类任务所提出的解决方案。我们针对手头任务尝试了两种方案。第一种基于在梅尔谱图上训练的卷积神经网络，第二种基于来自预训练 wav2vec2 模型的深度声学嵌入的平均池化。我们性能最佳的模型在测试集上取得了 0.5190 的未加权平均召回率（UAR），而随机水平 UAR 为 0.1250、基线为 0.4172。因此，相较竞赛基线提升了约 20%。本文档中报告的结果证明了我们所提方法解决 AV-B 类型分类任务的有效性。
引用
@article{arxiv.2209.14842,
title = {Classification of Vocal Bursts for ACII 2022 A-VB-Type Competition using Convolutional Neural Networks and Deep Acoustic Embeddings},
author = {Muhammad Shehram Shah Syed and Zafi Sherhan Syed and Abbas Syed},
journal= {arXiv preprint arXiv:2209.14842},
year = {2022}
}
备注
Report for our submission to the ACII 2022 Affective Vocal Bursts (A-VB) Competition