Emotionserkennung aus dem Sprachsignal - Einsatz und Evaluation von Support Vector Machines zur Emotionserkennung aus dem Sprachsignal mit verschiedenen Umgebungsgeräuschen
Bachelorarbeit vorgelegt von Florian Rapp am 28.02.2022, Studiengang Medieninformatik
Für einige Anwendungen ist die automatische Emotionserkennung von Menschen von großem Nutzen. Dazu kann unter anderem das Sprachsignal als Eingabe verwendet werden. Sprachsignale können jedoch je nach Anwendungsszenario Umgebungsgeräusche beinhalten. In [VAB08] wird empfohlen statistische Klassifikationsmodelle für ihre jeweiligen Einsatzsituationen mit entsprechenden Daten neu zu trainieren, um deren Vorhersagen zu verbessern. Dementsprechend werden in dieser Arbeit Einsatzszenarien mit verschiedenen Umgebungsgeräuschen verglichen. In Versuchen wurden Support Vector Machines mit Daten verschiedener Einsatzumgebungen trainiert und evaluiert. Hierfür wurden zuvor Audioaufnahmen der Berlin Database of Emotional Speech mit verschiedenen Umgebungsgeräuschen vermischt. Anschließend wurden verschiedene Kombinationen der Trainings- und Testdaten genutzt, um Modelle zu evaluieren. Dadurch wurde untersucht, wie Modelle für unbekannte Einsatzumgebungen trainiert werden sollten. Die Forschung hat ergeben, dass das Neutraining eines Modells für die zugehörige Einsatz- beziehungsweise Testumgebung sinnvoll ist, um entsprechende Vorhersagen zu treffen. Des Weiteren konnte beobachtet werden, dass Modelle, welche mit Daten anderer Aufnahmebedingungen trainiert wurden, im Durchschnitt deutlich schlechtere Ergebnisse vorhersagen als Modelle, die speziell für die Testbedingungen trainiert wurden. Die Kombination von Datensätzen verschiedener Umgebungen zu verschiedenen Uhrzeiten stellte sich jedoch als gute Möglichkeit heraus ein Modell für eine unbekannte Einsatzsituation zu trainieren. Dabei erzielten mit diesen Daten erzeugte Modelle im Schnitt eine um lediglich 3,97 Prozentpunkte geringere Genauigkeit als die Modelle, welche mit Daten der Testsituation trainiert wurden.
Autoren:
Seiten: 75
Weiterführende Links:
["['', '']", "['', '']"]
Autoren
Eingetragen von
- Name:
-
Prof.
Dr. Christian Becker-Asano
Mehr zu diesem Autor
