AAAIJun, 2020

基于修改距离损失的孪生神经网络在语音情感识别中的迁移学习

PDF
TL;DR使用 Siamese 网络进行跨语音情感识别的迁移学习，通过 fine-tuning 和优化 distance loss 可以提高识别准确性。
automatic emotion recognitionsiamese networkfine-tuningdistance losstransfer learning
发现论文，激发创造
  • 利用孪生网络和对比损失进行语音情绪识别

    本文介绍一种利用对比损失函数来鼓励可学习特征的类内紧凑性和类间可分性的方法用于语音情感识别，结果表明该方法在 IEMOCAP 数据库上表现出比基准系统更好的性能。

    Oct, 2019

  • DSNet: 融合中性校准的分解孪生网络用于语音情感识别

    通过引入 DSNet，一个具有中立校准的解缠结孪生网络，以满足更强大和可解释的语音情感识别模型的需求，并在两个流行的基准数据集上的实验结果证明其优越性。

    Dec, 2023

  • 弱监督下的孪生网络人体活动识别

    本文提出了一个由多个孪生网络组成的模型，仅使用关于数据样本对之间相似性的信息进行训练，而无需明确标记的数据样本，从而将活动数据样本映射为固定大小的表示向量，使表征空间中的向量之间的距离近似于输入空间中数据样本的相似性，因此该训练模型可以作为一种度量标准用于各种不同的聚类算法，文中通过对三个数据集进行评估，验证了该模型在连续人体活动序列的分割和识别方面的有效性。

    Jul, 2023

  • 基于 Siamese 网络的深度学习人脸识别方法

    通过使用对比网络的方法，在没有标记的人脸图像的情况下，实现了接近监督基准的性能。

    Dec, 2023

  • 上下文感知孪生网络在会话中高效的情感识别

    通过深度学习模型，本研究提出了一种基于度量学习和 Siamese 网络架构的方法来进行情感识别对话任务，取得了 57.71 的宏 F1 得分，相较于相关研究有了显著的提升。

    Apr, 2024

  • 使用软标签的孪生网络在筛查乳腺 X 射线照片上进行无监督异常检测和裁剪预训练

    通过对比侧面乳房 X 射线摄影图像来训练神经网络，以实现全面无监督的方式区分异常病变和背景组织，从而实现乳房补丁分类任务中的卓越性能。

    Jan, 2024

  • 用循环神经网络从语音中识别情感

    本文提出了一种利用深度递归神经网络来识别语音情感的方法，通过对小语音时间间隔内计算的一系列声学特征进行训练，同时采用特殊的概率性 CTC 损失函数来考虑包含情感和中性部分的长语音片段，在与最近进展的比较和人类表现的对比中展示了该方法的高质量。

    Jan, 2017

  • 探索简单的同孪表征学习

    本文通过研究，展示出使用 Siamese 网络进行图像无监督表示学习的含义，并阐述了在该情况下级联网络的基本角色，并提出了一个新的基于停止梯度的理论，通过实验证明了其正确性。

    Nov, 2020

  • 利用具有同层共享的网络学习距离函数，用于视频异常检测

    本文介绍了一种新的方法来定位监控视频中的异常情况，使用孪生 CNN 学习视频 patch（时空区域）之间的距离函数，根据训练视频中的 patch 计算测试视频中的 patch 之间的距离，如果距离超过阈值，则该 patch 被视为异常。实验证明该方法在 4 个评估指标和 3 个数据集上表现超过或相当于现有的最新方法。

    Jan, 2020

  • 广播视频场景检测的深度孪生网络

    本文提出一种通过学习镜头间距离度量来自动将广播视频划分为连贯场景的模型，并通过比较算法与最近提出的自动场景分割方法来展示其有效性。同时提出了一个改进的性能评估方法，旨在减少数值评估和预期结果之间的差距，并提出和发布一个新的基准数据集。

    Oct, 2015