基于神经网络的语谱图情感分类算法

作者：金鹭; 张寿明

来源：电子测量技术, 2020, 43(24): 57-63.

DOI：10.19651/j.cnki.emt.2005232

• 图像处理
• 残差网络
• 双向长短时记忆网络
• 注意力机制
• 深度学习

在语音情感分类算法中,目前大多数基于深度学习的方法存在没有考虑时域和频域的特征进行建模,且网络训练时间长、识别率不高的问题,提出了一种基于神经网络的语谱图情感分类算法。首先选取语谱图作为模型的输入,且为了减少语音情感特征提取过程中浅层特征和训练时上下文细节特征的损失,神经网络模型采用带有残差块的ResNet18网络和嵌入注意力机制的双向长短时记忆(BLSTM)网络的融合模型作为改进,利用ResNet18提取语谱图特征,然后使用注意力机制对其进行特征加权,在BLSTM网络中对加权后的特征进行训练和分类,最终该模型在CASIA数据集上的识别率分别为88.2%,与其他方法相比,所提算法有更好的语音情感分类效果,并且大幅度缩短了整体训练时间。

• 单位
  自动化学院; 昆明理工大学