Using Teacher-Student Model For Emotional Speech Recognition

摘要

本研究使用Teacher-student model藉由修改訓練資料的標籤來重新訓練靜態分類 模型。研究中會使用偏斜强健性類神經網路做訓練及分類，網路在訓練時會加入與 各類情緒資料筆數呈反比的權重，以解決資料不平衡的問題。資料前處理的部分則 是對訓練資料和測試資料做語者正規化來消除各語者之間的差異性。上述方法使用 FAU-Aibo情緒語料庫來做評估，並與Interspeech 2009 Emotion Challenge分類子挑 戰做辨識率的比較。在Interspeech 2009 Emotion Challenge分類子挑戰中靜態模型 的基準辨識率為38.2% ，參赛者中最佳的辨識率為41.65% ；而本實驗所得到的辨識 率為46.0% 。