Глубокое распознавание эмоций в речи между корпусами: современные достижения и перспективы
Deep Cross-Corpus Speech Emotion Recognition: Recent Advances and Perspectives
2021-11-29
SCID: 54.1/hsb7b938
Discuss with AI
кросс-корпусное распознавание эмоций речикросс-языковое распознавание эмоций речиглубокое обучениеадаптация к предметной областичеловеко-компьютерное взаимодействие
Figures from the paper
Abstract (AI)
Автоматическое распознавание эмоций в речи (SER) представляет собой сложную составляющую человеко-компьютерного взаимодействия (HCI). В существующей литературе основное внимание уделяется оценке эффективности SER посредством обучения и тестирования на одном корпусе в условиях одного языка. Однако во многих практических приложениях между обучающим и тестовым корпусами существуют существенные различия. Вследствие разнообразия речевых эмоциональных корпусов и языков большинство ранее предложенных методов SER демонстрируют низкую эффективность при применении в реальных сценариях межкорпусного или межъязыкового распознавания. Воодушевлённые мощными возможностями методов глубокого обучения, появившихся в последние годы, исследователи всё чаще применяют различные современные модели глубокого обучения для межкорпусного SER. Цель данной статьи — представить актуальный и всесторонний обзор межкорпусного SER, уделяя особое внимание различным методам глубокого обучения, связанным с обучением с учителем, без учителя и с полуучителем в этой области. Кроме того, в статье рассматриваются различные проблемы и возможности, связанные с задачами межкорпусного SER, и обозначаются перспективные направления его дальнейшего развития.
Key Findings
1
Распознавание эмоций в речи между различными корпусами и языками существенно сложнее традиционной оценки на одном корпусе и одном языке из-за различий между обучающими и тестовыми распределениями.
2
Методы глубокого обучения всё чаще применяются для распознавания эмоций между корпусами благодаря их способности эффективно изучать признаки.
3
Многие существующие методы распознавания эмоций в речи плохо работают в реальных сценариях между корпусами и языками из-за разнообразия речевых эмоциональных корпусов и языков.
4
В статье выделяются основные проблемы, возможности и перспективные направления дальнейших исследований в области распознавания эмоций между корпусами.
5
В обзоре систематически рассматриваются контролируемые, неконтролируемые и полу-контролируемые методы глубокого обучения для распознавания эмоций между корпусами.
Research Object
системы автоматического распознавания эмоций в речи между различными корпусами и языками
Research Subject
методы на основе глубокого обучения, эффективность, проблемы и перспективные направления распознавания эмоций в речи при различиях между обучающими и тестовыми корпусами или языками
Publication Details
Publication Date
2021-11-29
Journal
Publisher
ISSN
Cited by
48
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai4
Классификация ImageNet с использованием глубоких сверточных нейронных сетей2017
Снижение размерности данных с помощью нейронных сетей2006
Обзор обучения с полуучителем2019
Аудиовизуальная база данных эмоциональной речи и пения Райерсонского университета (RAVDESS): динамический мультимодальный набор мимических и вокальных выражений на североамериканском английском языке2018