ترجمه فارسی مقاله TBDM-Net: شبکه های متراکم دو جهته با اطلاعات جنسیتی برای تشخیص احساسات گفتار

چکیده

This paper presents a novel deep neural network-based architecture tailored for Speech Emotion Recognition (SER). The architecture capitalises on dense interconnections among multiple layers of bidirectional dilated convolutions. A linear kernel dynamically fuses the outputs of these layers to yield the final emotion class prediction. This innovative architecture is denoted as TBDM-Net: Temporally-Aware Bi-directional Dense Multi-Scale Network. We conduct a comprehensive performance evaluation of TBDM-Net, including an ablation study, across six widely-acknowledged SER datasets for unimodal speech emotion recognition. Additionally, we explore the influence of gender-informed emotion prediction by appending either golden or predicted gender labels to the architecture’s inputs or predictions. The implementation of TBDM-Net is accessible at: https://github.com/adrianastan/tbdm-net

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک معماری مبتنی بر شبکه عصبی عمیق و متناسب با تشخیص احساسات گفتار (SER) ارائه شده است.این معماری از اتصال متراکم در بین لایه های مختلف از پیچش های گشاد شده دو طرفه استفاده می کند.یک هسته خطی به صورت پویا خروجی این لایه ها را برای به دست آوردن پیش بینی کلاس احساسات نهایی فیوز می کند.این معماری نوآورانه به عنوان TBDM-NET مشخص می شود: شبکه چند مقیاس متراکم دو جهته آگاه.ما یک ارزیابی جامع از TBDM-NET ، از جمله یک مطالعه فرسایش ، در شش مجموعه داده SER به طور گسترده ای برای تشخیص احساسات گفتار غیرعادی انجام می دهیم.علاوه بر این ، ما تأثیر پیش بینی احساسات آگاه از جنسیت را با افزودن برچسب های جنسیتی طلایی یا پیش بینی شده به ورودی ها یا پیش بینی های معماری بررسی می کنیم.اجرای TBDM-NET در: https://github.com/adrianastan/tbdm-net قابل دسترسی است