MLP 분류기를 통한 다양한 특징 분석을 위한 음성 오디오 감정 인식 강화

제안된 연구는 다층 퍼셉트론(MLP) 분류기와 고급 특징 추출 방법을 통합한 음성 오디오 감정 인식에 대한 새로운 접근 방식을 제시합니다. 특히 인간-컴퓨터 상호작용 및 감정 분석에서 감정 인식의 중요성이 커져가는 가운데, 이 연구는 RAVDESS 데이터셋을 활용하여 멜 주파수 켑스트럼 계수, 멜 스펙트로그램, 제로 크로싱 비율, 스펙트럼 롤오프, 스펙트럼 플럭스 및 크로마 벡터와 같은 특징을 탐구합니다. 탐색적 데이터 분석, 전처리 및 모델 훈련을 포함하는 방법론은 훈련 세트와 테스트 세트 모두에서 89.31%의 주목할 만한 정확도를 달성하였습니다. 특히, 스펙트럼 롤오프 및 크로마 벡터와 같은 특징의 포함은 미세한 비선형 감정 패턴을 포착하는 데 중요한 역할을 합니다. 실시간 오디오 테스트는 모델의 효과성을 추가적으로 검증하여 실제 적용 가능성을 보여줍니다. 개발된 시스템은 음성 오디오 감정 인식을 발전시키는 데 큰 기여를 할 뿐만 아니라, 여러 분야에서 인간-컴퓨터 상호작용 및 감정 분석을 향상시켜 실제 세계 응용을 위한 가능성을 지니고 있습니다. 요약하자면, 이 연구는 MLP 분류기와 다양한 특징 세트를 활용하여 강력하고 정확한 감정 인식 시스템을 소개하며, 다양한 현실 세계 시나리오에 대한 잠재적 함의를 지닙니다.