TBDM-Net：基于双向稠密网络与性别信息的语音情感识别
音频与语音处理
2024-09-17 v1 声音
摘要
本文提出一种新型基于深度神经网络的体系结构，用于语音情感识别（SER）。该体系结构利用多个双向稀释卷积层之间密集的互连。一个线性核动态融合这些层的输出，以产生最终的情感类别预测。这种创新体系结构称为 TBDM-Net：时序感知的双向稠密多尺度网络。我们对 TBDM-Net 进行了全面的性能评估，包括消融研究，涵盖六个广泛认可的 SER 数据集用于单模态语音情感识别。此外，我们探讨了性别感知情感预测的影响，通过添加黄金标签或预测的性别标签到体系结构的输入或预测中。TBDM-Net 的实现可在：https://github.com/adrianastan/tbdm-net 获取。
引用
@article{arxiv.2409.10056,
title = {TBDM-Net: Bidirectional Dense Networks with Gender Information for Speech Emotion Recognition},
author = {Vlad Striletchi and Cosmin Striletchi and Adriana Stan},
journal= {arXiv preprint arXiv:2409.10056},
year = {2024}
}
备注
In Proceedings of 2024 IEEE International Workshop on Machine Learning for Signal Processing, London, UK