MétaCan
Menu
Retour à la cohorte
Enregistrement W4405429477 · doi:10.1109/access.2024.3517733

CochleaSpecNet: An Attention Based Dual Branch Hybrid CNN-GRU Network for Speech Emotion Recognition Using Cochleagram and Spectrogram

2024· article· en· W4405429477 sur OpenAlexaffabout
Atkia Namey, Khadija Akter, Md. Azad Hossain, M. Ali Akber Dewan

Notice bibliographique

RevueIEEE Access · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech and Audio Processing
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésSpectrogramSpeech recognitionComputer scienceDual (grammatical number)Emotion recognitionArtificial intelligencePattern recognition (psychology)Linguistics

Résumé

récupéré en direct d'OpenAlex

Being one of the main communication medium, speech contains necessary information about the emotional state of a human. Accurate emotion recognition is crucial for enhancing human-machine interactions, highlighting the importance of a strong Speech Emotion Recognition (SER) system. SER system classifies the human emotional state based on speaker’s utterances in different catagories such as sad, happy, neutral, angry, surprise, calm and so on. This research introduces a novel SER approach that utilizes cochleagram and spectrogram features to capture relevant speech patterns for the classifier network. The network integrates a hybrid model that combines Convolutional Neural Networks (CNN) for feature extraction with Gated Recurrent Units (GRU) to handle temporal dependencies. Furthermore, to improve the performance of this network, a multi-head attention mechanism has been incorporated following the GRU layer. Despite increasing interest in SER, there is a notable lack of studies using Bangla language datasets, revealing a significant gap in current research. To address this gap, evaluation of the model has been conducted on the augmented BanglaSER (Bangla Speech Emotion Recognition) dataset in which the model has achieved a notable accuracy of 92.04% in categorizing five distinct emotions: angry, surprise, happy, neutral, and sad. Additionally, to further evaluate the performance of the SER model, English language based RAVDESS (Ryerson Audio-Visual Database of Emotional Speech) dataset has also been employed into the proposed model. This attempt has provided 82.40% accuracy in classifying eight diverse emotions that includes fear, disgust, calm along with the emotions of BanglaSER. Moreover, a comparative analysis of the proposed model with existing SER approaches is carried out to demonstrate it’s stability and robustness. The incorporation of two individual features as inputs into the attention guided hybrid neural network showcases the efficacy of the proposed SER system, offering a promising approach for precise and efficient emotion categorization from speech signals.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0030,003
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,055
Tête enseignante GPT0,328
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetSpeech and Audio ProcessingTravaux en français237 207