Buchumschlag

Infant Cry Emotion Recognition Using Improved ECAPA-TDNN with Multiscale Feature Fusion and Attention Enhancement

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Junyu, Li, Yanxiong, Yu, Haolin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An Exploration of ECAPA-TDNN and x-vector Speaker Representations in Zero-shot Multi-speaker TTS
von: Kunešová, Marie, et al.
Veröffentlicht: (2025)

MGFF-TDNN: A Multi-Granularity Feature Fusion TDNN Model with Depth-Wise Separable Module for Speaker Verification
von: Li, Ya, et al.
Veröffentlicht: (2025)

Enhancing Infant Crying Detection with Gradient Boosting for Improved Emotional and Mental Health Diagnostics
von: Lee, Kyunghun, et al.
Veröffentlicht: (2024)

Layer-aware TDNN: Speaker Recognition Using Multi-Layer Features from Pre-Trained Models
von: Kim, Jin Sob, et al.
Veröffentlicht: (2024)

ECAPA2: A Hybrid Neural Network Architecture and Training Strategy for Robust Speaker Embeddings
von: Thienpondt, Jenthe, et al.
Veröffentlicht: (2024)

Effective Modeling of Critical Contextual Information for TDNN-based Speaker Verification
von: Weng, Shilong, et al.
Veröffentlicht: (2025)

ICSD: An Open-source Dataset for Infant Cry and Snoring Detection
von: Liu, Qingyu, et al.
Veröffentlicht: (2024)

Low-Complexity Acoustic Scene Classification Using Parallel Attention-Convolution Network
von: Li, Yanxiong, et al.
Veröffentlicht: (2024)

Leveraging Cross-Attention Transformer and Multi-Feature Fusion for Cross-Linguistic Speech Emotion Recognition
von: Zhao, Ruoyu, et al.
Veröffentlicht: (2025)

How Attention Shapes Emotion: A Comparative Study of Attention Mechanisms for Speech Emotion Recognition
von: Casals-Salvador, Marc, et al.
Veröffentlicht: (2026)

LPGNet: A Lightweight Network with Parallel Attention and Gated Fusion for Multimodal Emotion Recognition
von: He, Zhining, et al.
Veröffentlicht: (2025)

LMU-Based Sequential Learning and Posterior Ensemble Fusion for Cross-Domain Infant Cry Classification
von: Jazaeri, Niloofar, et al.
Veröffentlicht: (2026)

NeXt-TDNN: Modernizing Multi-Scale Temporal Convolution Backbone for Speaker Verification
von: Heo, Hyun-Jun, et al.
Veröffentlicht: (2023)

Speech Emotion Recognition Via CNN-Transformer and Multidimensional Attention Mechanism
von: Tang, Xiaoyu, et al.
Veröffentlicht: (2024)

Fully Few-shot Class-incremental Audio Classification Using Multi-level Embedding Extractor and Ridge Regression Classifier
von: Si, Yongjie, et al.
Veröffentlicht: (2025)

Improving Speech Emotion Recognition Through Cross Modal Attention Alignment and Balanced Stacking Model
von: Ueda, Lucas, et al.
Veröffentlicht: (2025)

Improving Audio Question Answering with Variational Inference
von: Chen, Haolin
Veröffentlicht: (2026)

MFHCA: Enhancing Speech Emotion Recognition Via Multi-Spatial Fusion and Hierarchical Cooperative Attention
von: Jiao, Xinxin, et al.
Veröffentlicht: (2024)

Emotion Neural Transducer for Fine-Grained Speech Emotion Recognition
von: Shen, Siyuan, et al.
Veröffentlicht: (2024)

BSS-CFFMA: Cross-Domain Feature Fusion and Multi-Attention Speech Enhancement Network based on Self-Supervised Embedding
von: Mattursun, Alimjan, et al.
Veröffentlicht: (2024)

Fully Few-shot Class-incremental Audio Classification Using Expandable Dual-embedding Extractor
von: Si, Yongjie, et al.
Veröffentlicht: (2024)

BSC-UPC at EmoSPeech-IberLEF2024: Attention Pooling for Emotion Recognition
von: Casals-Salvador, Marc, et al.
Veröffentlicht: (2024)

CryCeleb: A Speaker Verification Dataset Based on Infant Cry Sounds
von: Budaghyan, David, et al.
Veröffentlicht: (2023)

Speech Enhancement with Overlapped-Frame Information Fusion and Causal Self-Attention
von: Zhang, Yuewei, et al.
Veröffentlicht: (2025)

Emotion Recognition in Multi-Speaker Conversations through Speaker Identification, Knowledge Distillation, and Hierarchical Fusion
von: Li, Xiao, et al.
Veröffentlicht: (2025)

Speech-Based Estimation of Schizophrenia Severity Using Feature Fusion
von: Premananth, Gowtham, et al.
Veröffentlicht: (2024)

Feature Selection via Graph Topology Inference for Soundscape Emotion Recognition
von: Rey, Samuel, et al.
Veröffentlicht: (2025)

Using Songs to Improve Kazakh Automatic Speech Recognition
von: Yeshpanov, Rustem
Veröffentlicht: (2026)

Heterogeneous Space Fusion and Dual-Dimension Attention: A New Paradigm for Speech Enhancement
von: Zheng, Tao, et al.
Veröffentlicht: (2024)

Multi-Scale Temporal Transformer For Speech Emotion Recognition
von: Li, Zhipeng, et al.
Veröffentlicht: (2024)

Mel-FullSubNet: Mel-Spectrogram Enhancement for Improving Both Speech Quality and ASR
von: Zhou, Rui, et al.
Veröffentlicht: (2024)

Tracking Listener Attention: Gaze-Guided Audio-Visual Speech Enhancement Framework
von: Yang, Hsiang-Cheng, et al.
Veröffentlicht: (2026)

Speech Emotion Recognition with ASR Integration
von: Li, Yuanchao
Veröffentlicht: (2026)

Dense-TSNet: Dense Connected Two-Stage Structure for Ultra-Lightweight Speech Enhancement
von: Lin, Zizhen, et al.
Veröffentlicht: (2024)

Magnitude and Phase-based Feature Fusion Using Co-attention Mechanism for Speaker recognition
von: Su, Rongfeng, et al.
Veröffentlicht: (2025)

Double Multi-Head Attention Multimodal System for Odyssey 2024 Speech Emotion Recognition Challenge
von: Costa, Federico, et al.
Veröffentlicht: (2024)

LightCAM: A Fast and Light Implementation of Context-Aware Masking based D-TDNN for Speaker Verification
von: Cao, Di, et al.
Veröffentlicht: (2024)

A Low-rank Matching Attention based Cross-modal Feature Fusion Method for Conversational Emotion Recognition
von: Shou, Yuntao, et al.
Veröffentlicht: (2023)

Bimodal Connection Attention Fusion for Speech Emotion Recognition
von: Luo, Jiachen, et al.
Veröffentlicht: (2025)

Leveraging Content and Acoustic Representations for Speech Emotion Recognition
von: Dutta, Soumya, et al.
Veröffentlicht: (2024)