高斯平滑的不平衡数据改进语音情感识别
声音
2023-02-20 v1 计算机视觉与模式识别
机器学习
音频与语音处理
摘要
在语音情感识别任务中，模型从数据集中学习情感表征。我们发现 IEMOCAP 数据集中的数据分布非常不平衡，这可能损害模型学习更好的表征。为解决此问题，我们提出了一种新颖的成对情感数据分布平滑（PDDS）方法。PDDS 认为情感数据的分布在现实中应当是平滑的，进而对情感对应用高斯平滑以构建具有更平滑分布的新训练集。所需的新数据使用 mixup 增强进行补充。由于 PDDS 与模型和模态无关，其在 IEMOCAP 数据集上通过三个 SOTA 模型进行了评估。实验结果表明，这些模型在 WA 和 UA 指标上分别提升了 0.2%–4.8% 和 1.5%–5.9%。此外，消融研究证明 PDDS 的关键优势在于合理的数据分布，而非简单的数据增强。
引用
@article{arxiv.2302.08650,
title = {Gaussian-smoothed Imbalance Data Improves Speech Emotion Recognition},
author = {Xuefeng Liang and Hexin Jiang and Wenxin Xu and Ying Zhou},
journal= {arXiv preprint arXiv:2302.08650},
year = {2023}
}
备注
5 pages