Interspeech 2017论文总结

今年的interspeech2017有两个section是关于情感的： Emotion Recognition 和 Emotion Modeling，共有12篇文章，best paper 提名的是关于多任务学习的文章。今年的interspeech主要是以多任务学习为主，占据了半壁江山。其余为一篇利用对抗自编码做压缩；一篇端到端；一篇离散转回归问题求解；一篇对话中的情感识别；一篇探讨不同的CNN对于问题的影响；一篇GMM用于情感识别的文章【没有仔细看】；

首先对所有论文进行总结，可以看出多任务学习是今年的主流

多任务文章【利用不同任务之间的相关性，提示系统性能】

Attention + 多任务【离散和连续标签都预测】

模型结构没什么好说的，这种可以清晰看见感受野的绘图方式，还是值得学习的。
输入：音频特征，用openSMILE提取；输入帧级别的特征，没有统计方程。【作者认为原始波形会使得模型输入维度太高，容易过拟合，因此不用raw wave 端到端的方法】
输出：多任务，连续+离散 多任务学习。
数据库： IEMOCAP，得到目前state-of-art的结果，63.85%
目标：分类，使得平均准确率最高。

这是best paper候选文章。作者提出了多任务学习，将三个任务一起训练。并加入主次任务，体现在loss上面。主要观点：主任务和次任务有相关性。【feature work: GAN+多任务？？】【多任务体现在多输出上面】


特征：6373 维度 Interspeech 2013特征。
数据集：MSP-PADCAST【自己收集】， USC-IEMOCAP，MSP-IMPROV
模型：MTL2好于MTL1
损失函数：训练过程中，是使得目标CCC最大，两个次任务来辅助主任务取得好成绩。

】