iemocap | BriefGPT - AI 论文速递

关键词iemocap

搜索结果 - 10

使用预训练转换器进行文本、语音和视频的多模态情绪识别
通过使用多模态感情识别方法和各种融合技术，本研究在 IEMOCAP 多模态数据集上实现了 75.42% 的准确率，主要关注多模态感情识别、自监督学习、迁移学习和 Transformer 模型。
PDF5 months ago
语音情绪识别的帧级情绪状态对齐方法
我们提出了一种针对 SER 的帧级情感状态对齐方法，通过为 HuBERT 模型设置任务自适应预训练（TAPT）方法并使用聚类生成帧级伪情感标签，然后利用这些伪标签对 HuBERT 进行预训练，使其每个帧输出都具有相应的情感信息。最后，通过在
PDF6 months ago
HCAM -- 多模态情感识别的层级交叉关注模型
本文提出了一种基于 HCAM 方法的跨模态情绪识别模型，使用神经网络模型组合音频和文本数据，在 IEMOCAP、MELD 和 CMU-MOSI 三个数据集上达到了最先进的结果。
PDFa year ago
设计与评估语音情感识别系统：IEMOCAP 的现实案例研究
本文旨在对使用 IEMOCAP 的情感语音识别研究进行批判性评审，并提出了情感语音识别的评估准则和可重复性评估方法。
PDFa year ago
DWFormer: 动态窗口变换器用于语音情感识别
本研究提出了一种基于动态窗口的变压器架构 DWFormer，通过自注意机制动态划分样本窗口，捕捉语音本地的精细的时间重要信息，并考虑窗口间的全局信息交互，实现了在情感识别方面的前沿突破。
PDFa year ago
语音情感识别的神经架构搜索
本文提出利用神经网络架构搜索技术以及统一路径随机失活策略来自动配置情感识别模型，实验证明在 IEMOCAP 上两个不同的神经结构都可以提高 SER 性能 (54.89% 到 56.28%) 并且可以保持模型参数大小，而且提出的随机失活策略也
PDF2 years ago
基于讲话者注意力的语音情感识别
本文提出了一种基于自训练机制以及 Self Speaker Attention 机制的情感识别方法，该方法在 Att-HAC 和 IEMOCAP 上实现了最新的性能表现。
PDF3 years ago
基于注意力机制的多模态情感识别融合
本论文提出了一种基于深度学习的方法，结合了文本和音频数据进行情绪分类，使用 SincNet 层提取音频特征，同时使用双向 RNN 和深度卷积神经网络提取文本特征，通过交叉注意力机制融合两种特征，在 IEMOCAP 数据集上取得了比现有方法更
PDF4 years ago
MM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。
PDF5 years ago
基于深度多模态学习的口语情感识别
本文提出了一种新颖的深度多模态框架，基于句子级别的口语语言预测人类情感，通过混合式的深度多模态结构从文本和音频中提取高级特征，再使用三层深度神经网络将所有特征融合起来进行训练，实现整个结构的最优全局微调，结果表明本文框架在 IEMOCAP
PDF6 years ago