.png){kind=icon}
返回
Spoken Emotion Recognition Using Soft Labels
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-07956-5_7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在口语情感识别（SER）中，任务是识别说话者的情感。然而，情感是一种比单一情感类别所能描述的复杂得多的现象，尽管在实际中基于此类类别（即硬标签）训练神经网络确实有效，但这一过程也会导致信息损失。本研究中，我们改为根据标注者的投票为每个语音记录计算软标签，并在大型SER语料库（MSP Podcast）上通过回归任务训练神经网络模型。根据我们的结果，该过程导致宏平均召回率和F1分数下降，但提高了分类准确率、宏平均精度，以及所有按类别频率加权聚合的指标。通过分析，这种行为可能归因于不常见情感的训练目标均值显著较低，这导致我们的神经网络（在回归模式下训练）持续为这些类别输出低概率估计，并转而关注更常见的情感类别。
Keyword:
Emotion recognition
Soft labels
MSP-Podcast
期刊
S
IF:
0
论文数:
23
被引数:
0
机构
引用论文
Speech Emotion Recognition Using Deep Learning Techniques: A Review使用深度学习技术的语音情感识别: 综述.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏On a Test of Whether one of Two Random Variables is Stochastically Larger than the Other关于两个随机变量中的一个是否随机大于另一个的检验
PREAI
分享收藏分享收藏
查看更多内容