文献

J-GLOBAL ID：202102215357050033   整理番号：21A0565293

結合三重項中心損失に基づく階層的音声感情分類フレームワーク【JST・京大機械翻訳】

A Hierarchical Speech Emotion Classification Framework based on Joint Triplet-Center Loss

著者 (3件)： Yang Xinyu (Xi’an Jiaotong University,Department of Computer Science and Technology,Xi’an,China) ,  Xia Xiaojing (Xi’an Jiaotong University,Department of Computer Science and Technology,Xi’an,China) ,  Dong Yizhuo (Xi’an Jiaotong University,Department of Computer Science and Technology,Xi’an,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICSIP  ページ： 751-756  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 自動音声感情認識タスクは,人間-コンピュータインタラクションシステムの開発に重要である。しかし,感情カテゴリーの曖昧さと人間アノテーションの主観性は,識別的感情的特徴を抽出し,分類精度を改善するのを困難にする。本論文において,著者らは,共同三重点-Center損失ベースの階層的学習方法を提案した。一方では,提案した共同三重項-Center損失関数は,クラス内距離を減らし,クラス間距離を増加させることにより,識別的感情特徴を学習できる。他方,階層的学習方法は,アノテーションの一貫性を考慮することによって,モデルの安定性を強化することができた。実験結果は,著者らの提案方法が従来の研究と比較して明白な性能改良を有して,より良い一般化性能を得ることを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 損失関数 ,  三重点 ,  曖昧さ ,  *アノテーション
準シソーラス用語： 分類精度 ,  学習方法 ,  感情分類 ,  音声感情認識 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 三重項 ,  損失 ,  音声 ,  感情分類 ,  フレームワーク