Multimodal fusion: A study on speech-text emotion recognition with the integration of deep learning

Recognition of various human emotions holds significant value in numerous real-world scenarios. This paper focuses on the multimodal fusion of speech and text for emotion recognition. A 39-dimensional Mel-frequency cepstral coefficient (MFCC) was used as a feature for speech emotion. A 300-dimension...

Ամբողջական նկարագրություն

Մատենագիտական մանրամասներ
Հիմնական հեղինակներ: Yanan Shang, Tianqi Fu
Ձևաչափ: Հոդված
Լեզու:English
Հրապարակվել է: Elsevier 2024-12-01
Շարք:Intelligent Systems with Applications
Խորագրեր:
Առցանց հասանելիություն:http://www.sciencedirect.com/science/article/pii/S2667305324001108

Նմանատիպ նյութեր