Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2509.00025

帮助 | 高级搜索

电气工程与系统科学 > 音频与语音处理

arXiv:2509.00025 (eess)
[提交于 2025年8月20日 ]

标题: DeepEmoNet:构建用于人类言语中自动情感识别的机器学习模型

标题: DeepEmoNet: Building Machine Learning Models for Automatic Emotion Recognition in Human Speeches

Authors:Tai Vu
摘要: 语音情感识别(SER)一直是口语语言处理研究中的一个挑战性问题,因为不清楚人类情感如何与声音的各种成分如音高、响度和能量相关联。 本文旨在使用机器学习来解决这个问题。 特别是,我们使用SVM、LTSM和CNN构建了几个机器学习模型来对人声中的情感进行分类。 此外,通过利用迁移学习和数据增强,我们高效地训练了模型,在相对较小的数据集上获得了良好的性能。 我们最好的模型是一个ResNet34网络,其准确率为$66.7\%$,F1得分为$0.631$。
摘要: Speech emotion recognition (SER) has been a challenging problem in spoken language processing research, because it is unclear how human emotions are connected to various components of sounds such as pitch, loudness, and energy. This paper aims to tackle this problem using machine learning. Particularly, we built several machine learning models using SVMs, LTSMs, and CNNs to classify emotions in human speeches. In addition, by leveraging transfer learning and data augmentation, we efficiently trained our models to attain decent performances on a relatively small dataset. Our best model was a ResNet34 network, which achieved an accuracy of $66.7\%$ and an F1 score of $0.631$.
主题: 音频与语音处理 (eess.AS) ; 人工智能 (cs.AI); 机器学习 (cs.LG)
引用方式: arXiv:2509.00025 [eess.AS]
  (或者 arXiv:2509.00025v1 [eess.AS] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.00025
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Tai Vu [查看电子邮件]
[v1] 星期三, 2025 年 8 月 20 日 08:34:28 UTC (7,341 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
eess.AS
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
cs
cs.AI
cs.LG
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号