بهره گیری از فرآیند یادگیری عمیق در شناسایی سریع احساسات در گفتار

این مقاله قصد داریم به ارائه روشی برای شناسایی احساسات گوینده از طریق تحلیل اسپکتروگرام سیگنال گفتار با استفاده از الگوریتم های یادگیری عمیق بپردازیم. برای این منظور با بهره گیری از شبکه ها GoogLeNet وFTGoogLeNet و ترکیب آن ها با SVM اقدام به شناسایی احساسات در پایگاه داده EmoDB می نماییم. نتایج شبیه سازی ها نشان می دهد که تکنیک FTGoogLeNet در مقایسه با GoogLeNet-SVM از دقت بالاتری برخوردار است درحالی که ساختار ،GoogLeNet-SVM بدلیل حذف دستورالعمل آموزش شبکه عصبی، از حجم محاسباتی کمتری بهره می برد.

کلیدواژه ها:

شناسایی احساسات گفتار ، کلاس بندی گفتار بصری ، یادگیری عمیق ، یادگیری انتقال