Multimodal Emotion Recognition with Fusion of 1D and 2D Convolutional Neural Network
Notice bibliographique
Résumé
Emotion is one of the key components in daily life, serving multiple purposes in social interactions. The advancements in Artificial Intelligence (AI) had made emotion recognition possible with more accurateness. The AI model, specifically the Convolutional Neural Network (CNN), had presented superior performance in computer vision and image recognition tasks, leading to highly accurate Emotion Recognition (ER). However, the typical CNN architecture is mostly complex and hardly adaptable for real-time applications, especially when multi-input types are involved. To overcome this challenge, this study proposes a tailored lightweight Multimodal Emotion Recognition CNN architecture that accepts facial images and vocal features (i.e., mel-spectrogram in decibels) as input and is benchmarked on Surrey Audio-Visual Expressed Emotion (SAVEE) and Ryerson Audio-Visual Database of Emotional Speech and Song (RAVDESS). The SAVEE dataset contains recordings of 4 male actors with single level emotion intensity while RAVDESS contains recordings of 24 actors, balanced in gender, with two levels of emotion intensity. The lightweight CNN model achieved an on-par accuracy of 97.15% in SAVEE and 86.72% in RAVDESS while significantly simpler than state-of-the-arts MER models, making it a more feasible option for real-time emotion recognition on resource-constrained 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 tête enseignante, 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 ».