基于Attention机制的BiLSTM语音情感识别研究与web系统实现

上传者: 40651515 | 上传时间: 2022-05-27 16:05:53 | 文件大小: 88.85MB | 文件类型: RAR
Attention-BiLSTM模型结构及所有核心代码: 1.model中实验的模型有BiLSTM、ATT-BiLSTM、CNN-BiLSTM模型; Attention与BiLSTM模型首先Attention机制增强上下文语义信息,并获取更深层次特征,最后通过Softmax进行回归,完成所属语音情感的预测。 2.系统为用Flask搭建网页框架的语音识别系统界面; 对于提到的语音情感识别方法平台为基于Windows操作系统的个人主机,深度学习框架采用的是tensorflow和Keras,其中TensorFlow作为Keras的后端。具体配置如下python3.6.5、tensorflow=1.12、Keras=2.2.4、flask==1.0.2 、librosa等。 具体界面效果可以参考博客内容。​​

文件下载

资源详情

[{"title":"( 670 个子文件 88.85MB ) 基于Attention机制的BiLSTM语音情感识别研究与web系统实现","children":[{"title":"Dockerfile <span style='color:#111;'> 182B </span>","children":null,"spread":false},{"title":"Aptfile <span style='color:#111;'> 95B </span>","children":null,"spread":false},{"title":"AudioFeatures.py <span style='color:#111;'> 11.06KB </span>","children":null,"spread":false},{"title":"AudioEmotionRecognition.cpython-36.pyc <span style='color:#111;'> 11.65KB </span>","children":null,"spread":false},{"title":"text_preprocessor.cpython-37.pyc <span style='color:#111;'> 198B </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明