emoDARTS: 뛰어난 음성 감정 인식을 위한 CNN 및 순차 신경망 아키텍처의 공동 최적화

음성 감정 인식(SER)은 컴퓨터가 인간 의사소통에서 전달되는 감정을 이해할 수 있게 하는 데 필수적입니다. 딥러닝(DL)의 최근 발전으로 SER 모델의 성능이 크게 향상되었습니다. 그러나 최적의 DL 아키텍처를 설계하려면 전문 지식과 실험 평가가 필요합니다. 다행히도 신경망 아키텍처 검색(NAS)은 최적의 DL 모델을 자동으로 결정할 수 있는 잠재적 해결책을 제공합니다. 미분 가능 아키텍처 검색(DARTS)은 최적 모델 발견을 위한 특히 효율적인 방법입니다. 본 연구는 SER 성능을 향상시키는 DARTS 최적화된 CNN과 순차 신경망(SeqNN: LSTM, RNN) 공동 아키텍처인 emoDARTS를 제안합니다. 문헌은 성능 향상을 위해 CNN과 LSTM 결합 선택을 지지합니다. 이전에는 DARTS가 CNN과 LSTM 연산을 독립적으로 선택하는 데 사용되었으나, 본 기법은 DARTS를 이용해 CNN과 SeqNN 연산을 함께 선택하는 새로운 메커니즘을 추가합니다. 이전 연구와 달리 CNN의 계층 순서에 제한을 두지 않고, DARTS 셀 내에서 최적의 계층 순서를 DARTS가 선택하도록 합니다. IEMOCAP, MSP-IMPROV, MSP-Podcast 데이터셋을 통해 본 기법이 전통적인 CNN-LSTM 모델보다 우수하며 DARTS 기반 CNN-LSTM 최고 성능을 능가함을 입증합니다.