基于数据增强的CNN+LSTM语音情感识别架构
声音
2018-09-13 v2 计算与语言
机器学习
音频与语音处理
摘要
在这项工作中，我们使用IEMOCAP数据集设计了一个用于识别语音中情感的神经网络。遵循音频分析的最新进展，我们采用了一种包含卷积层和循环层的架构，前者用于从原始声谱图中提取高层特征，后者用于聚合长期依赖关系。我们考察了语音声道长度扰动的数据增强技术、逐层优化器调整、循环层的批量归一化，并在四种情感上获得了极具竞争力的结果：加权准确率64.5%，非加权准确率61.7%。
引用
@article{arxiv.1802.05630,
title = {CNN+LSTM Architecture for Speech Emotion Recognition with Data Augmentation},
author = {Caroline Etienne and Guillaume Fidanza and Andrei Petrovskii and Laurence Devillers and Benoit Schmauch},
journal= {arXiv preprint arXiv:1802.05630},
year = {2018}
}
备注
5 pages, 3 figures