Speech Emotion Recognition Using Weighted Score Fusion for Low Resource Consumer Devices
Notice bibliographique
Résumé
Deep learning techniques have significantly advanced machine performance in tasks traditionally dominated by human expertise. One such task is speech emotion recognition (SER), a crucial component of affective computing. Given the inherent complexity of recognizing emotions, even for humans, there is a persistent demand for models that are both robust and accurate, yet less complex for deployment on low-resource devices. Despite notable progress in SER systems, achieving high performance with low-parameter models remains a challenge. In this paper, we introduce a transformer-based multilayer SER model (TBWSC model) that employs a weight score configuration (WSC) across shallow, intermediate, and high-level learned features. This approach enhances SER performance by utilizing a transformer encoder to capture detailed acoustic feature representations, reducing the need for a deep network. Our model achieves significant improvements with just three layers, compared to traditional deep architectures. Additionally, we performed a comprehensive evaluation of our proposed TBWSC SER model to highlight the benefits of weighted fusion and complexity reduction. The model was tested on multiple datasets, including the emotional German speech dataset (EMODB), the Surrey audio-visual expressed emotion (SAVEE) database, and the Toronto emotional speech set (TESS). These datasets encompass emotional states such as happiness, sadness, neutrality, and anger. Our TBWSC model demonstrated superior performance, achieving an average accuracy of 81.82% on EMODB, 82.22% on SAVEE, and 99.65% on TESS. These results underscore the effectiveness of our weighted feature fusion approach and the potential for deploying efficient SER systems in low resource consumer devices.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».