电气工程与系统科学 > 音频与语音处理
[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
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$0.631$。
文献和引用工具
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
推荐器和搜索工具
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.