用于语音情感识别的紧凑图架构
计算机视觉与模式识别
2021-02-03 v4 机器学习
音频与语音处理
摘要
我们提出一种深度图方法来解决语音情感识别任务。以图的形式表示数据是一种紧凑、高效且可扩展的方式。遵循图信号处理理论，我们提出将语音信号建模为循环图或线图。这种图结构使我们能够构建基于图卷积网络（GCN）的架构，该架构可执行精确的图卷积，而标准GCN中使用的是近似卷积。我们在流行的IEMOCAP和MSP-IMPROV数据库上评估了我们的模型在语音情感识别上的性能。我们的模型优于标准GCN和其他相关的深度图架构，表明了该方法的有效性。与现有语音情感识别方法相比，我们的模型以显著更少的可学习参数（约30K）达到了与最先进（SOTA）方法相当的性能，表明其在资源受限设备中的适用性。
引用
@article{arxiv.2008.02063,
title = {Compact Graph Architecture for Speech Emotion Recognition},
author = {A. Shirian and T. Guha},
journal= {arXiv preprint arXiv:2008.02063},
year = {2021}
}