面向计算副语言学的深度神经基线方法
声音
2020-04-01 v1 计算与语言
音频与语音处理
摘要
从口语中检测困倦状态是一项极具挑战性的任务，该任务由 Interspeech 2019 计算副语言学挑战赛（ComParE）提出。我们提出了一种端到端的深度学习方法，用于检测和分类人声中反映困倦状态的模式。我们的方法仅基于一个中等复杂度的深度神经网络架构。它可直接应用于音频数据，无需任何特定的特征工程，因此可迁移至其他音频分类任务。尽管如此，我们的方法性能与最先进的机器学习模型相近。
引用
@article{arxiv.1907.02864,
title = {Deep Neural Baselines for Computational Paralinguistics},
author = {Daniel Elsner and Stefan Langer and Fabian Ritz and Robert Müller and Steffen Illium},
journal= {arXiv preprint arXiv:1907.02864},
year = {2020}
}
备注
5 pages, 3 figures; This paper was accepted at INTERSPEECH 2019, Graz, 15-19th September 2019. DOI will be added after publishment of the accepted paper