基于注意力机制的多任务3D CNN-BLSTM情感语音识别

TP391.7; 语音情感识别广泛应用于车载驾驶系统、服务行业、教育以及医疗等各个领域.为了使计算机能更准确地识别出说话人的情感,提出了一种基于注意力机制的多任务三维卷积神经网络(Convolution Neural Network,CNN)和双向长短期记忆网络(Bidirectional Long-Short Term Memory,BLSTM)相结合的情感语音识别方法(3D CNN-BLSTM).基于多谱特征融合组图,利用三维卷积神经网络提取深层语音情感特征,结合性别分类的多任务学习机制提升语音情感识别准确率.在CASIA汉语情感语料库上的实验结果表明,该方法获得了较高的准确率....

Full description

Saved in:
Bibliographic Details
Published in华东理工大学学报（自然科学版） Vol. 48; no. 4; pp. 534 - 542
Main Authors 姜特, 陈志刚, 万永菁
Format Journal Article
LanguageChinese
Published 华东理工大学信息科学与工程学院,上海 200237 2022
Subjects
注意力机制
卷积神经网络
语音情感识别
多任务学习
多谱特征融合组图
Online AccessGet full text

Cover

More Information
Summary:TP391.7; 语音情感识别广泛应用于车载驾驶系统、服务行业、教育以及医疗等各个领域.为了使计算机能更准确地识别出说话人的情感,提出了一种基于注意力机制的多任务三维卷积神经网络(Convolution Neural Network,CNN)和双向长短期记忆网络(Bidirectional Long-Short Term Memory,BLSTM)相结合的情感语音识别方法(3D CNN-BLSTM).基于多谱特征融合组图,利用三维卷积神经网络提取深层语音情感特征,结合性别分类的多任务学习机制提升语音情感识别准确率.在CASIA汉语情感语料库上的实验结果表明,该方法获得了较高的准确率.
ISSN:1006-3080
DOI:10.14135/j.cnki.1006-3080.20210326001