|
|
Emotion Recognition from Acted and Spontaneous Speech
Atassi, Hicham ; Přibil, Jiří (oponent) ; Zahradník, Pavel (oponent) ; Smékal, Zdeněk (vedoucí práce)
Doctoral thesis deals with emotion recognition from speech signals. The thesis is divided into two main parts; the first part describes proposed approaches for emotion recognition using two different multilingual databases of acted emotional speech. The main contributions of this part are detailed analysis of a big set of acoustic features, new classification schemes for vocal emotion recognition such as “emotion coupling” and new method for mapping discrete emotions into two-dimensional space. The second part of this thesis is devoted to emotion recognition using multilingual databases of spontaneous emotional speech, which is based on telephone records obtained from real call centers. The knowledge gained from experiments with emotion recognition from acted speech was exploited to design a new approach for classifying seven emotional states. The core of the proposed approach is a complex classification architecture based on the fusion of different systems. The thesis also examines the influence of speaker’s emotional state on gender recognition performance and proposes system for automatic identification of successful phone calls in call center by means of dialogue features.
|
|
|
Vliv emoční stimulace na signál EEG
Vaněčková, Tereza ; Ronzhina, Marina (oponent) ; Bubník, Karel (vedoucí práce)
Tato práce se zabývá studiem emocí a jejich vlivu na signál EEG. Je zde popsána metoda elektroencefalografie, způsob snímání signálu, jeho vlastnosti, frekvenční pásma a faktory mající vliv na tento signál. Následuje vysvětlení pojmu emoce a jejich projevů, teorie vzniku emocí, dimenze, klasifikace emocí a lateralizace emočního prožitku. Dále jsou zde uvedeny výzkumy, které nejvíce ovlivnily tuto práci. Praktická část popisuje návrh měření, princip výběru stimulů, metodiku snímání signálu EEG přístrojem Emotiv EPOC a hodnocení pomocí dotazníku Self-Assessment Manikin. Je zde také objasněn výběr parametrů signálu EEG pro detekci emočních stavů. Dále jsou zde uvedeny metody, které byly využity při zpracování dat. V závěrečné části jsou shrnuty dosažené výsledky, jejich vyhodnocení a nástin možného pokračování ve studiu emočních stavů.
|
|
| |
|
|
Stress recognition from speech signal
Staněk, Miroslav ; Přibil, Jiří (oponent) ; Tučková,, Jana (oponent) ; Sigmund, Milan (vedoucí práce)
Presented doctoral thesis is focused on development of algorithms for psychological stress detection in speech signal. The novelty of this thesis aims on two different analysis of the speech signal- the analysis of vowel polygons and the analysis of glottal pulses. By performed experiments, the doctoral thesis uncovers the possible usage of both fundamental analyses for psychological stress detection in speech. The analysis of glottal pulses in amplitude domain according to Top-To-Bottom criterion seems to be as the most effective with the combination of properly chosen classifier, which can be defined as language and phoneme independent way to stress recognition. All experiments were performed on developed Czech real stress database and some observations were also made on English database SUSAS. The variety of possibly effective ways of stress recognition in speech leads to approach very high recognition accuracy of their combination, or of their possible usage for detection of other speaker’s state, which has to be further tested and verified by appropriate databases.
|
|
|
Rozpoznávání emocí pomocí konvolučních neuronových sítí
Jileček, Jan ; Najman, Pavel (oponent) ; Hradiš, Michal (vedoucí práce)
Konvoluční neuronové sítě se dnes používají v mnoha oblastech, především ale pro strojové učení, kde vykazují velkou úspěšnost. Tato práce nejprve představí existující frameworky, další algoritmy pro rozpoznávání a pak popisuje, jak probíhalo vytváření vlastní datové sady a trénink modelu pro rozpoznávání emocí. Tento model má úspěšnost klasifikace 60%. Model je následně využit pro získání statistik o emocích z filmových trailerů a z těchto statistik je sestaven model pro rozpoznávání žánrů, který je konečně použit v naší aplikaci pro určení žánru vstupního traileru s přesností až 47%.
|
|
|
Rozpoznávání emocí v česky psaných textech
Červenec, Radek ; Smékal, Zdeněk (oponent) ; Burget, Radim (vedoucí práce)
Díky rozvoji informačních a komunikačních technologií v posledních letech došlo k velkému nárůstu množství informací, které denně vznikají ve formě elektronických dokumentů. Třídění a zpracování informací se stalo pro člověka velmi obtížné, a proto vzrůstá obliba systémů automatického dolování znalostí z textu. Zajímavou podoblastí jsou systémy pro analýzu sentimentu a automatického rozpoznání emocí v textech, které mají potencionálně široké uplatnění. V rámci této práce byl navržen a implementován systém využívající technik dolování znalostí z textu za účelem rozpoznávání emocí v česky psaných textech a bylo provedeno zhodnocení jeho úspěšnosti. Protože je systém postaven převážně na metodě strojového učení, byla navrhnuta a vytvořena trénovací množina, která byla posléze použita k vytvoření modelu klasifikátoru pomocí algoritmu podpůrných vektorů (SVM). Pro potřeby zpřesnění výsledků klasifikace textových dokumentů do předem definovaných emočních tříd, jsou do systému integrovány další prvky, jako např.: lexikální databáze, lemmatizátor a odvozený slovník klíčových slov. Součástí práce je také zhodnocení několika přístupů ke klasifikaci s různými modifikacemi navrženého systému.
|
|
|
Odhad emocí řečníka z mluvené řeči
Popková, Anna ; Fér, Radek (oponent) ; Matějka, Pavel (vedoucí práce)
Tato bakalářská práce se zabývá výzkumem v oblasti rozpoznávání emocí z řeči a okrajově i z dalších modalit (video a fyziologické záznamy). Popisuje topologii systémů, které byly pro tento výzkum postaveny. Dále popisuje experimenty s těmito systémy vedoucí k optimálnímu předzpracování, trénování a po-zpracování dat. K výzkumu jsou použita data z evaluace AV+EC 2015, do níž byly zaslány výsledky fúzních systému produkujících nejpřesnější predikci. Nově jsou v oblasti rozpoznávání emocí z řeči vyzkoušeny Bottle-Neck příznaky. Jsou použity spolu s běžně používanými eGeMAPS příznaky ve fúzním systému rozpoznávající emoční dimenzi arousal. Emoční dimenze valence je pak rozpoznávána dvojicí video příznaků. Multi-task systém (rozpoznávající valenci i arousal) používající Bottle-Neck příznaky produkuje výslekdy pouze o 13 % relativně horší, než zmíněný fúzní systém, což apeluje hlavně na situace, kde jsou dostupná pouze audio data.
|
|
|
Projevy emocí ve tváři
Zajícová, Markéta ; Bahbouh, Radvan (vedoucí práce) ; Boukalová, Hedvika (oponent)
Název práce: Projevy emocí ve tváři Autor: Bc. Markéta Zajícová Katedra: Katedra psychologie, Filozofická fakulta Univerzity Karlovy v Praze Vedoucí práce: doc. PhDr. MUDr. Mgr. Radvan Bahbouh, Ph.D. Abstrakt: Práce se zabývá projevy emocí ve tváři, předkládá krátký úvod do problematiky emocí jakožto jedné z kognitivních funkcí, v rámci kterého vymezuje tento termín, klasifikuje emoce a jejich patologie a stručně shrnuje různé teorie emocí. Větší prostor teoretické části je věnován základním emocím a jejich projevům ve tváři, stejně jako schopnosti je rozpoznávat a napodobovat. Teoretická část je uzavřena tématikou emoční inteligence jako jednotícího prvku, který vyzdvihuje důležitost této problematiky. Empirická část je zaměřena na zkoumání především dvou schopností spojených s projevy emocí ve tváři, konkrétně jejich rozpoznáváním a nápodobou, dále pak souvislostí těchto schopností s dalšími znaky jako je pohlaví, vzdělání či sebeodhady. Hlavním zjištěním a výsledkem této práce je, že mezi oběma schopnostmi existuje statisticky významná souvislost (ρ=0,35; α=0,05). Klíčová slova: Základní emoce, projevy emocí ve tváři, rozpoznávání emocí, nápodoba emocí, emoční inteligence, poruchy emocí
|
|
|
Emotion Recognition from Brain Electroencephalogram (EEG) Signals
Fritz, Karel ; Jawed, Soyiba (oponent) ; Malik, Aamir Saeed (vedoucí práce)
This study targets classifying emotion states, from Electroencephalogram (EEG) signal. Combining knowledge about physiology of the brain (and emotions), with frequency anal- ysis, complexity analysis, signal processing and deep machine learning (CNN, GNN). Goal of this work is to create the emotion classification model and provide new insights into emotion recognition from EEG. Models created stands on the principles of CNN, GNN, multitask and self supervised training. One of the results achieved State of the Art results on the SEED dataset. Sharing process of understanding this task at the end of the thesis.
|
|
|
EEG Classification Model for Emotion Detection Using Python
Vengerová, Veronika ; Zaheer, Muhammad Asad (oponent) ; Jawed, Soyiba (vedoucí práce)
This thesis deals with the task of recognizing emotions from electroencephalogram (EEG). Two models were trained for binary classification of emotions, where one classifies neutral emotion or fear and the other classifies happiness or sadness. During the work on this thesis many different architectures were tried, and the best result was obtained using a model with two branches of CNN-LSTM connected before the output layer. The resulting accuracy was 87.309% for sad-happy classification and 84.865% for neutral-fear emotion.
|
host ::
RSS.