Детектирование эмоций в мультимедиа контенте

А. С. Попова; А. Г. Рассадин; А. А. Пономаренко

?

Детектирование эмоций в мультимедиа контенте

С. 852–857.

А. С. Попова, А. Г. Рассадин, А. А. Пономаренко

Рассматривается задача автоматической классификации эмоций в цифровом аудио сигнале. В работе рассматривается и верифицируется подход, в котором классификации звукового фрагмента сводится к задаче распознавания изображений. В качестве визуально представления использовались изображение спектрограммы и осциллограммы. Произведен численный эксперимент на открытом наборе данных Ravdess, включающий 8 различных эмоций: “нейтральный”, “спокойный”, “счастливый”, “грустный”, “злой”, “испуганный”, “отвращение”, “удивление”. Наилучшие результаты точности 64% показала комбинация “спектрограмма + свёрточная нейроная сеть VGG-11”.

Язык: русский

Полный текст

Ключевые слова: classification speech recognition emotion recognition deep learning convolutional neural networks ИСТ-2017 audio recognition

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:

Разработка и апробация эффективных методов классификации для больших баз мультимедийных данных (2017)

В книге

Материалы XXIII международной научно-технической конференции «Информационные системы и технологии-2017»

[б.и.], 2017.

Understanding emotions through biological motion in autism spectrum disorder: A systematic review

Гаврилова Е. Л., Новоселова К. И., Мячиков А. В. и др., Research in Autism 2026 Vol. 132 Article 202833

Добавлено: 14 апреля 2026 г.

Terra incognita: йольские языки (langues d’oïl)

Бестолкова Г. В., Вестник Донецкого национального университета. Филология и психология 2025 № 6 С. 62–73

Целью данной научной статьи является интеграция и адаптация термина «йольские языки (langues d’oïl)» в понятийный аппарат современной отечественной романистики для расширения научных знаний о данной группе романских языков. В соответствии с поставленной целью в работе решается ряд ключевых задач: анализируются исторические предпосылки формирования самого термина; описываются ареалы распространения региональных языков на территории современной Франции; даётся ...

Добавлено: 23 февраля 2026 г.

Территориальная вариативность окситанского языка: классификация северных диалектов

Бестолкова Г. В., Теория языка и межкультурная коммуникация 2023 № 3(50) С. 1–15

Существенную роль в развитии современного окситанского языка играет многообразие диалектов, субдиалектов и говоров, что обусловливает актуальность исследования, предпринятого в данной статье. Количество диалектов окситанского языка велико, поэтому в данной статье будут детально рассмотрены только северные диалекты окситанского языка. Материал, содержащийся в статье, позволяет сформировать научное представление о территориальных разновидностях современного окситанского языка и создать наиболее ...

Добавлено: 15 февраля 2026 г.

Method of Critical Set construction for Successive Cancellation List Decoder of Polar Codes Based on Deep Learning of Neural Networks

Котов Ф. И., Тимохин И. С., Иванов Ф. И., , in: 2023 XVIII International Symposium Problems of Redundancy in Information and Control Systems (REDUNDANCY).: IEEE, 2023.

The Successive Cancellation List (SCL) algorithm is a widely used decoding technique in communication systems. However, constructing the critical set for SCL decoding is a challenging task, as it requires a large number of computations and can lead to significant decoding delays. In this paper, a new approach to critical set construction for SCL decoding ...

Добавлено: 26 января 2026 г.

Classification Approach to Mapping Cultural Differences: An Illustration Using Survey Data from 60 Russian Regions

Настина Е. А., Соколов Б. О., / Series OSF "SocArXiv". 2025.

We argue that a classification-based approach to measuring cultural differences across countries or subnational regions is a promising complement, and sometimes an alternative, to the widely used dimensional method in cross-cultural research. The latter summarises cultural variation using continuous dimensions, for example, Hofstede’s famous individualism-collectivism dimension. However, this approach relies on strong parametric assumptions, which ...

Добавлено: 23 декабря 2025 г.

Ансамбль современных моделей компьютерного зрения для задачи обнаружения дипфейков

Пикуль А. С., Безопасность информационных технологий 2024 Т. 31 № 4 С. 116–127

Исследуется возможность применения современных архитектур компьютерного зрения для задачи обнаружения дипфейков. Рассматриваются следующие архитектуры: EfficientNet, Vision Transformer (ViT), VisionLSTM (ViL), VisionKAN и Mamba Vision. Новизна подхода заключается в применении и сравнении работы данных архитектур, а также в их объединении в парные ансамбли для повышения точности детекции дипфейков. В работе проведен эксперимент, основанный на применении нескольких ...

Добавлено: 12 декабря 2025 г.

Recognition of Mentally Pronounced Russian Phonemes Using Convolutional Neural Networks and Electroencephalography Data

Seleznev L. E., Chupakhin A. A., Kostenko V. A. и др., Optical Memory and Neural Networks (Information Optics) 2023 Vol. 32 No. 2 P. 73–85

Добавлено: 2 октября 2025 г.

Convolutional Neural Networks Decode Finger Movements in Motor Sequence Learning from MEG Data

Zabolotniy A., Chan R. W., Моисеева В. В. и др., Frontiers in Neuroscience 2025 Vol. 19 Article 1623380

Добавлено: 2 октября 2025 г.

Artificial Neural Networks and Machine Learning. ICANN 2025 International Workshops and Special Sessions: 34th International Conference on Artificial Neural Networks, Kaunas, Lithuania, September 9–12, 2025, Proceedings, Part V

Cham: Springer, 2025.

Добавлено: 29 сентября 2025 г.

Deep learning deciphers the related role of master regulators and G-quadruplexes in tissue specification

Башкатов А. Б., Andreasyan A., Коновалов Д. Л. и др., Scientific Reports 2025 Vol. 15 Article 23119

G-quadruplexes (GQs) are non-canonical DNA structures encoded by G-flipons with potential roles in gene regulation and chromatin structure. Here, we explore the role of G-flipons in tissue specification. We present a deep learning-based framework for the genome-wide G-flipon predictions across 14 human tissue types. The model was trained using high-confidence experimental maps of GQ-forming sequences ...

Добавлено: 8 августа 2025 г.

AI in drug development: advances in response, combination therapy, repositioning, and molecular design

Шайтан А. К., Science China Information Sciences 2025 Vol. 68 No. 7 Article 170102

Добавлено: 25 июня 2025 г.

Абстрактные логики как структуры и классификации структур

Драгалина-Черная Е. Г., В кн.: Четырнадцатые Смирновские чтения по логике: материалы Междунар. науч. конф., Москва, 19-21 июня 2025 г.: М.: Издатель Александр Воробьев, 2025. С. 80–82.

В докладе сопоставляются истолкования абстрактных логик как структур и как классификаций абстрактных структур. ...

Добавлено: 20 июня 2025 г.

An Approach to Finding a Robust Deep Learning Model

Болдырев А. С., Ратников Ф. Д., Шевелев А. А., IEEE Access 2025 Vol. 13 P. 102390–102406

Добавлено: 15 июня 2025 г.

Экономические и социальные аспекты атомной энергетики в условиях развития технологий искусственного интеллекта

Подчуфаров А. Ю., Галкина А. Н., Ванина С. С. и др., Экономика и управление: проблемы, решения 2025 Т. 5 № 4 С. 61–74

В современных условиях внедрение технологий искусственного интеллекта становится значимым фактором развития высокотехнологичных отраслей промышленности. В статье представлены результаты исследования перспектив применения интеллектуальных аналитических систем в атомной энергетике. Проанализирован опыт зарубежных стран и выявлены особенности успешных проектов с использованием искусственного интеллекта в данной области. Обоснованы рекомендации по развитию технических и социальных компетенций в отечественной атомной и ...

Добавлено: 5 июня 2025 г.

Deep learning for customs classification of goods based on their textual descriptions analysis

Рыжова А. А., Sochenkov I., , in: Proceeding 2019 Ivannikov Ispras Open Conference (ISPRAS).: IEEE Computer Society, 2019. P. 60–67.

Добавлено: 1 мая 2025 г.

Distilling Normalizing Flows

Walton S., Klyukin V., Artemev M. и др., , in: 2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW).: IEEE, 2025. P. 3328–3337.

Добавлено: 1 апреля 2025 г.

2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW)

Деркач Д. А., Артемьев М. Р., IEEE, 2025.

Добавлено: 1 апреля 2025 г.

Deep learning captures the effect of epistasis in multifactorial diseases

Перелыгин В. Р., Kamelin A., Syzrantsev N. и др., Frontiers in Medicine 2025 Vol. 11 Article 1479717

Добавлено: 4 марта 2025 г.