$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 음성 데이터의 내재된 감정인식을 위한 다중 감정 회귀 모델
Multi-Emotion Regression Model for Recognizing Inherent Emotions in Speech Data 원문보기

스마트미디어저널 = Smart media journal, v.12 no.9, 2023년, pp.81 - 88  

이명호 (조선대학교 전자공학과) ,  임명진 (조선대학교 신산업융합학부) ,  신주현 (조선대학교 신산업융합학부)

초록
AI-Helper 아이콘AI-Helper

최근 코로나19로 인한 비대면 서비스의 확산으로 온라인을 통한 소통이 증가하고 있다. 비대면 상황에서는 텍스트나 음성, 이미지 등의 모달리티를 통해 상대방의 의견이나 감정을 인식하고 있다. 현재 다양한 모달리티를 결합한 멀티모달 감정인식에 관한 연구가 활발하게 진행되고 있다. 그중 음성 데이터를 활용한 감정인식은 음향 및 언어정보를 통해 감정을 이해하는 수단으로 주목하고 있으나 대부분 단일한 음성 특징값으로 감정을 인식하고 있다. 하지만 대화문에는 다양한 감정이 복합적으로 존재하기 때문에 다중 감정을 인식하는 방법이 필요하다. 따라서 본 논문에서는 복합적으로 존재하는 내재된 감정인식을 위해 음성 데이터를 전처리한 후 특징 벡터를 추출하고 시간의 흐름을 고려한 다중 감정 회귀 모델을 제안한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recently, communication through online is increasing due to the spread of non-face-to-face services due to COVID-19. In non-face-to-face situations, the other person's opinions and emotions are recognized through modalities such as text, speech, and images. Currently, research on multimodal emotion ...

Keyword

#음성 데이터   #특징 벡터 추출   #사전훈련   #다중 감정 회귀  

참고문헌 (12)

  1. 오병훈, 홍광석, "이미지, 음성, 뇌파를 이용한 다차원 감성모델 기반 다중모달 복합감정인식 시스템," 한국정보처리학회 춘계학술발표대회 논문집, pp. 821-823, 동국대학교, 대한민국, 2016년 4월 

  2. 홍택은, 김정인, 신주현, "인스타그램 이미지와 텍스트 분석을 통한 사용자 감정 분류," 스마트미디어저널, 제5권, 제1호, 61-燃쪽, 2016년 3월 

  3. 임현택, 김수형, 이귀상, 양형정, "RoutingConvNet:？양방향 MFC C기반 경량 음성감정인식 모델, "스마트미디어저널, 제12권, 제5호, 28-35쪽, 2023년 12월 

  4. N.Dave, "Feature Extraction Methods LPC PLP？and MFCC in Speech Recognition," International？Journal for Advance Research in Engineering？and Technology, Vol. 1, pp. 1-5, Jul. 2013. 

  5. Steven B.Davis, Paul Mermelstein, "Comparsion？of parametric representations for monosyllabic？word recognition in continuously spoken sentences," IEEE Transactions on Acoustics, Speech, and Signal Processing, Vol. 81, No. 9, pp.1215-1247, 1993. 

  6. Likitha, M. S., et al., "Speech based human？emotion recognition using MFCC," 2017 International Con-ference on Wireless Communications, Signal Proce-ssing and Networking (WiSPNET). IEEE, pp. 2257-2260, 2017. 

  7. 박정준, "자기지도학습 기법을 통해 추출된 저대역 음성 특징벡터 기반 종단간 한국어 음성인식", 연세대학교 공학대학원 석사학위논문, 2022년 8월 

  8. J. Seunghoon, "wav2vec 2.0-based Mispronunciation Detection Using Cross-lingual？Fine-tuning," Domestic Master's Thesis Seoul？National University Graduate School, 2022. 

  9. S. Schneider, A. Baevski, R. Collobert, and M. Auli, "wav2vec: Unsupervised Pre-Training for Speech Recogni-tion," inProc. Interspeech 2019, pp. 3465-3469, 2019. 

  10. A. Baevski, S. Schneider, and M. Auli,？"Vq-Wav2vec: Self-supervisedlearning of？discrete speech representations," inProc. Int.？Corf. Learn.Represent., Sep. pp. 1 -12, 2019. 

  11. A. Baevski, H. Zhou, A. Mohamed, and M. Auli,？"Wav2vec 2.0: A frame-work for self-supervised？learning of speech representations," Advances in？neural information processing systems, pp.？12449-12460, 2020. 

  12. 이명호, 임명진, 신주현, "텍스트와 음성의 앙상블을 통한 다중 감정인식 모델," 스마트미디어저널, 제11권, 제8호, 65-72쪽, 2022년 9월 

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로