Using i-Vector Space Model for Emotion Recognition
Using i-Vector Space Model for Emotion Recognition
复制标题
使用 i-Vector 空间模型进行情绪识别
DOI：
--
复制
发表时间：
2012
期刊：
影响因子：
--
通讯作者：
Yang Liu
中科院分区：
文献类型：
--
作者：
Rui Xia;Yang Liu
使用 i 向量空间特征已被证明在说话者和语言识别方面非常成功。在本文中，我们评估使用 i-向量框架进行语音情感识别。我们建议使用连接的情感特定 i 向量特征，而不是使用标准 i 向量特征。对于每种情绪类别，通过对大型语料库中的神经元进行调整来生成 GMM 超向量。然后使用每个特定于情感的 GMM 超向量获得 i 向量特征向量。这些情感相关的 i 向量特征的串联被用作 SVM 模型中的特征向量进行情感分类。我们在行为数据集和自发数据集上的实验结果表明，我们提出的方法优于使用静态特征或 GMM 超向量特征的其他系统，并且该系统组合产生了额外的增益。
Using i-vector space features has been shown to be very successful in speaker and language identification. In this paper, we evaluate using the i-vector framework for emotion recognition from speech. Instead of using standard i-vector features, we propose to use concatenated emotion specific i-vector features. For each emotion category, a GMM supervector is generated via adaptation of the neural one from a large corpus. An i-vector feature vector is then obtained using each emotion specific GMM supervector. The concatenation of these emotion depen-dent i-vector features is used as the feature vector in the SVM model for emotion classification. Our experimental results on acted and spontaneous data sets demonstrate that our proposed method outperforms other systems using either static features or GMM supervector features, and that system combination yields additional gain.