绘制深度学习在语音情感识别领域15年的发展历程:一项复制研究

《IEEE Transactions on Affective Computing》:Charting 15 Years of Progress in Deep Learning for Speech Emotion Recognition: a Replication Study

【字体: 大 中 小 】 时间:2026年04月07日 来源:IEEE Transactions on Affective Computing 9.8

编辑推荐:

   摘要:语音情感识别(SER)长期以来一直受益于深度学习方法的应用。具有更多层和更多可训练参数的深度模型通常被认为在SER领域表现“更好”。这引发了一个问题:现代深度神经网络相比早期版本究竟好到了什么程度?除此之外,如何继续推进研究这一更为重要的问题依然十分紧迫。SER远未成为一

  

摘要:

语音情感识别(SER)长期以来一直受益于深度学习方法的应用。具有更多层和更多可训练参数的深度模型通常被认为在SER领域表现“更好”。这引发了一个问题:现代深度神经网络相比早期版本究竟好到了什么程度?除此之外,如何继续推进研究这一更为重要的问题依然十分紧迫。SER远未成为一个完全解决的问题;因此,确定未来研究的主要方向至关重要。在本文中,我们尝试量化自2009年INTERSPEECH情感挑战赛这一里程碑事件以来的15年研究进展。我们对模型架构进行了大规模调查,涵盖了依赖语音输入的音频模型以及仅依赖转录文本的文本模型。研究结果表明,在引入Transformer之后,模型的改进效果逐渐减弱,并达到了一个平台期。此外,我们还发现人们对进展的认知受到所比较模型选择的影响。我们的研究结果表明,新方法应与适当选择的标准基线进行对比,并确保超参数调整得当,以避免对旧方法产生不利影响。同时,这些发现也对“更大模型必然带来性能提升”这一观点提出了质疑。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号