轻量型胶囊网络语音情感识别方法

摘要

针对目前语音情感识别模型参数多、运算量大、训练速度慢等问题，提出了一种适用于小数据集、轻量型的网络模型。模型以胶囊网络为基础结构，引入深度可分离卷积模块代替胶囊网络中原有的卷积层以减少计算量。基于迁移学习提取普适的底层图像特征，利用语谱图来微调整个网络，减弱模型在小数据集上的过拟合现象。再利用夹角余弦来计算动态路由结构中向量的相似度，提高动态路由算法性能。实验结果表明，轻量型胶囊网络的识别率和运算速度均优于对比的7种深度学习网络模型。

关键词

胶囊网络 / 深度可分离卷积 / 语音情感识别 / 迁移学习

基金资助

国家自然科学基金(61702093); 国家重点研发计划(2018YFE0196000); 黑龙江省自然科学基金(F2018003); 黑龙江省博士后专项(LBH-Q20077)