【论文阅读】智能设备中基于深度特征的语音情感识别

• Badshah A M , Rahim N , Ullah N , et al. Deep features-based speech emotion recognition for smart affective services[J]. Multimedia Tools and Applications, 2017.

摘要

语音情感识别具有包括智能医疗、自主语音响应系统、急救中心评估呼叫者情景严重性等多种应用。本文提出了一种基于深度卷积神经网络的方法。通常CNN使用方形的卷积核，并且在不同层使用池化操作，这些操作均适合于2D的图像数据。然而在语音频谱图中，信息使用不同的编码方式，x轴表示时间，y轴表示信号频率，振幅由频谱图中特定位置的强度表示。为了从频谱图中分析语音信号，本文提出使用不同形状的矩形卷积核，以及在矩形范围中使用最大池化的方式以提取特征。本方案在EmoDB库和韩语语音数据库上有效学习了语谱图的判别特征，实现了比许多现有技术更好的性能。

主要创新点

• 在kernel_size、pool_size、strides等设置上改为矩形，并且模仿了AlexNet的结构进行实验

本文的主要工作

1. 提出了一种使用矩形核和修正池化策略的CNN结构
2. 评估了提出网络在有噪环境下的性能，并与对照网络进行对比

数据集

EmoDB数据库 7种基本情绪
Korean real calls from emergencies using phones