基于残差信号-图像网络的用户无关情绪识别
计算机视觉与模式识别
2020-08-04 v2 机器学习
摘要
基于大规模生理信号的用户无关情绪识别是一个难题。现有许多先进方法都是在仅有数十名受试者的相对小规模数据集上进行的。本文提出 Res-SIN，一种利用皮电活动(EDA)信号图像进行分类的新型端到端框架。我们首先应用基于凸优化的 EDA (cvxEDA) 分解信号并挖掘静态与动态情绪变化。随后，将分解后的信号转换为图像，以便由 CNN 框架有效处理。Res-SIN 结合个体情绪特征与外部情绪基准以加速收敛。我们在 PMEmo 数据集上评估了该方法，该数据集是目前包含音乐与 EDA 信号的最大情绪数据集。据作者所知，我们的方法是首次尝试利用来自 457 名受试者的 7962 条 EDA 信号对大规模受试者无关情绪进行分类。实验结果证明了我们模型的可靠性，在唤醒度和效价维度上分别达到 73.65% 和 73.43% 的二分类准确率，可作为基线。
引用
@article{arxiv.1908.03692,
title = {User independent Emotion Recognition with Residual Signal-Image Network},
author = {Guanghao Yin and Shouqian Sun and Hui Zhang and Dian Yu and Chao Li and Kejun Zhang and Ning Zou},
journal= {arXiv preprint arXiv:1908.03692},
year = {2020}
}