Emotion recognition datasets are relatively small, making the use of the more sophisticated deep learning approaches challenging. In this work, we propose a transfer learning method for speech emotion recognition where features extracted from pre-trained wav2vec 2.0 models are modeled using simple neural networks. We propose to combine the output of several layers from the pre-trained model using trainable weights which are learned jointly with the downstream model. Further, we compare performance using two different wav2vec 2.0 models, with and without finetuning for speech recognition. We evaluate our proposed approaches on two standard emotion databases IEMOCAP and RAVDESS, showing superior performance compared to results in the literature.


翻译:情感识别数据集相对较少,因此使用更先进的深层学习方法具有挑战性。在这项工作中,我们提议了一种语言情绪识别转移学习方法,即使用简单的神经网络模拟从预培训的 wav2vec 2.0 模型中提取的特征。我们提议使用与下游模型共同学习的可培训加权数将预培训模式中若干层次的输出合并。此外,我们用两种不同的 wav2vec 2.0 模型比较性能,两种不同的 wav2vec 2.0 模型对语音识别进行和不作微调。我们评价了两个标准情感数据库IEMOCAP和REVDESS的拟议方法,与文献结果相比表现优异。

1
下载
关闭预览

相关内容

基于深度学习的手语识别综述
专知会员服务
47+阅读 · 2020年5月18日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
160+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
78+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
RoBERTa中文预训练模型:RoBERTa for Chinese
PaperWeekly
57+阅读 · 2019年9月16日
语音情绪识别|声源增强|基频可视化
深度学习每日摘要
15+阅读 · 2019年5月5日
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
43+阅读 · 2019年1月3日
Facebook PyText 在 Github 上开源了
AINLP
7+阅读 · 2018年12月14日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Arxiv
0+阅读 · 2021年6月2日
VIP会员
相关VIP内容
Top
微信扫码咨询专知VIP会员