面向语音情感识别的神经架构搜索
声音
2022-04-01 v1 计算与语言
机器学习
音频与语音处理
摘要
深度神经网络为语音情感识别（SER）带来了显著进展。然而，SER 中的架构设计主要基于专家知识与经验性（试错）评估，耗时且耗费资源。本文提出应用神经架构搜索（NAS）技术自动配置 SER 模型。为加速候选架构优化，我们提出一种均匀路径丢弃策略，以促使所有候选架构操作被均等优化。在 IEMOCAP 上两种不同神经结构的实验结果表明，NAS 可在保持模型参数规模的同时提升 SER 性能（54.89% 至 56.28%）。所提丢弃策略也展现出优于先前方法的性能。
引用
@article{arxiv.2203.16928,
title = {Neural Architecture Search for Speech Emotion Recognition},
author = {Xixin Wu and Shoukang Hu and Zhiyong Wu and Xunying Liu and Helen Meng},
journal= {arXiv preprint arXiv:2203.16928},
year = {2022}
}
备注
Accepted by ICASSP 2022