Speech Emotion Recognition System using DenseNet – 121 on MFCC Features
Notice bibliographique
Résumé
Today the Speech Emotion Recognition (SER) technology continues to evolve, it promises to revolutionize multiple domains by creating more empathetic, responsive, and effective human-computer interactions that better provide to users’ emotional needs. Speech Emotion Recognition (SER) is continuously improving. In this system, SER was implemented using the DenseNet-121 architecture. The system was tested on three benchmark datasets: the Toronto Emotional Speech Set (TESS), the Surrey Audio-Visual Expressed Emotion (SAVEE), and the Ryerson Audio-Visual Database of Emotional Speech and Song (RAVDESS). Experiments used three dataset combinations: TESS + SAVEE, TESS + RAVDESS, and TESS + RAVDESS + SAVEE. Features were extracted using Mel-Frequency Cepstral Coefficients (MFCCs) with 13, 32, and 40 coefficients. The data was split 80% for training and 20% for validation and testing. The TESS + SAVEE combination classified seven emotions: angry, disgust, fear, happy, neutral, sad, and surprise. The TESS + RAVDESS + SAVEE combination classified eight emotions: angry, calm, disgust, fear, happy, neutral, sad, and surprise. Higher-dimensional MFCCs (40 coefficients) gave the best performance. The TESS + SAVEE setup achieved a maximum accuracy of 95.43%. These results demonstrate that integrating MFCC-based features with DenseNet-121 provides a robust framework for accurately recognizing a wide range of emotional states from speech, highlighting its potential for real-world emotion-aware applications.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».