基于焦点损失的残差卷积神经网络用于语音情感识别
音频与语音处理
2025-04-16 v1 人工智能
机器学习
声音
机器学习
摘要
本文提出一种基于语音特征并在焦点损失（Focal Loss）下训练的残差卷积神经网络（ResNet）以识别语音中的情感。语谱图与梅尔频率倒谱系数（MFCC）等语音特征已显示出比纯文本更好地刻画情感的能力。此外，首次用于单阶段目标检测器的焦点损失已显示出将训练过程更多地聚焦于难样本、并降低对易分类样本所分配损失的能力，从而防止模型被易分类样本所淹没。
引用
@article{arxiv.1906.05682,
title = {Focal Loss based Residual Convolutional Neural Network for Speech Emotion Recognition},
author = {Suraj Tripathi and Abhay Kumar and Abhiram Ramesh and Chirag Singh and Promod Yenigalla},
journal= {arXiv preprint arXiv:1906.05682},
year = {2025}
}
备注
Accepted in CICLing 2019