메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
김정희 (고려대학교) 강필성 (고려대학교)
저널정보
대한산업공학회 대한산업공학회 추계학술대회 논문집 2021년 대한산업공학회 추계학술대회
발행연도
2021.11
수록면
1,840 - 1,859 (20page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2021

Consistency Regularization을 적용한 멀티모달 한국어 감정인식
김정희 ,  강필성 대한산업공학회지 2021.12 학술저널
Consistency Regularization을 적용한 멀티모달 한국어 감정인식
김정희 ,  강필성 대한산업공학회 추계학술대회 논문집 2021.11 학술대회자료

초록· 키워드

오류제보하기
Recently, the demand for artificial intelligence-based voice services, identifying and appropriately responding to user needs based on voice, is increasing. In particular, technology for recognizing emotions, which is non-verbal information of human voice, is receiving significant attention to improve the quality of voice services. Therefore, speech emotion recognition models based on deep learning is actively studied with rich English data, and a multi-modal emotion recognition framework with a speech recognition module has been proposed to utilize both voice and text information. However, the framework with speech recognition module has a disadvantage in an actual environment where ambient noise exists. The performance of the framework decreases along with the decrease of the speech recognition rate. In addition, it is challenging to apply deep learning-based models to Korean emotion recognition because, unlike English, emotion data is not abundant. To address the drawback of the framework, we propose a consistency regularization learning methodology that can reflect the difference between the content of speech and the text extracted from the speech recognition module in the model. We also adapt pre-trained models with self-supervised way such as Wav2vec 2.0 and HanBERT to the framework, considering limited Korean emotion data. Our experimental results show that the framework with pre-trained models yields better performance than a model trained with only speech on Korean multi-modal emotion dataset. The proposed learning methodology can minimize the performance degradation with poor performing speech recognition modules.
#Speech Emotion Recognition #Wav2vec 2.0 #Multi-Modal Emotion Recognition

목차

Abstract
1. 서론
2. 관련 연구
3. 제안 방법론
4. 실험 및 결과
5. 결론
6. 참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Consistency Regularization을 적용한 멀티모달 한국어 감정인식
김정희 ,  강필성 대한산업공학회지 2021 .12
CNN 기반 전이학습을 이용한 음성 감정 인식
최희원 ,  박승민 ,  심귀보 한국지능시스템학회 논문지 2019 .10
대구지역 지역사회복지계획의 문제점과 개선과제
조성숙 한국사회과학연구 2011 .06
객체 수준 데이터 증강을 활용한 딥러닝 기반의 강판 표면 결함 검출
안인범 ,  김성범 대한산업공학회지 2022 .08
DNN 을 이용한 End-to-End 한국어 음성 감정 인식
이정필 ,  류휘정 ,  장두성 외 1명 한국정보과학회 학술발표논문집 2018 .06

최근 본 자료

전체보기

댓글(0)

0