Key points are not available for this paper at this time.
Nous revisitons le Défi Emotion INTERSPEECH 2009 -- le premier défi de reconnaissance d'émotions par la parole (SER) -- et évaluons une série de modèles d'apprentissage profond qui sont représentatifs des avancées majeures dans la recherche SER depuis lors. Nous commençons par former chaque modèle en utilisant un ensemble fixe d'hyperparamètres, et peaufinerons davantage les modèles les plus performants de cette configuration initiale avec une recherche sur grille. Les résultats sont toujours rapportés sur l'ensemble de test officiel, avec un ensemble de validation séparé utilisé uniquement pour l'arrêt précoce. La plupart des modèles obtiennent des scores inférieurs ou proches de la ligne de base officielle, tout en dépassant marginalement les gagnants du défi original après l'optimisation des hyperparamètres. Notre travail illustre que, malgré les progrès récents, FAU-AIBO reste un benchmark très difficile. Une conséquence intéressante est que les méthodes plus récentes ne surpassent pas systématiquement les anciennes, montrant que le progrès vers la 'résolution' de SER n'est pas nécessairement monotone.
Triantafyllopoulos et al. (Sun,) ont étudié cette question.