Reconhecimento de Emoções em Sinais de Fala Usando Transferência de Aprendizado

Neste artigo, propõe-se um sistema de reconhecimento de emoções em sinais de fala usando redes profundas convolucionais com as técnicas de transferência de aprendizado e aumento de base de dados. A transferência de aprendizado foi realizada a partir de uma rede residual (Resnet) de 34 camadas treinada para a base ImageNet. O aumento da base foi realizada alterando-se o pitch e alargando-se no tempo as amostras de sinais de fala das classes de felicidade, tristeza, raiva e neutra da base IEMOCAP (Interactive Emotional Dyadic Motion Capture). O sistema proposto foi capaz de classificar corretamente 81,26% das amostras.