Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Importance of Variables in Gearbox Diagnostics Using Random Forests and Ensemble Credits Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

Emotion Estimating Method by Using Voice and Facial Expression Parameters

verfasst von : Kimihiro Yamanaka

Erschienen in: Computer Information Systems and Industrial Management

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This study aimed to propose a method of emotion estimation using facial expression and speech features for machine learning with fewer parameters than in previous studies. In the experiment, emotions were evoked in participants by displaying emotion-activation movies. Facial expressions and voice parameters were then extracted. These parameters were used to estimate emotions by machine learning. In machine learning, six types of learning were performed by combining objective variables and explanatory variables. It was shown that classification can be performed with an accuracy of 93.3% when only voice parameters are used in two-category classification, such as positive and negative.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Applying Artificial Bee Colony Algorithm to Interactive Evolutionary Computation
Nächstes Kapitel Multilayer Perceptron Applied to the IOT Systems for Identification of Saline Wedge in the Magdalena Estuary - Colombia
Literatur
1.
2.
Ito, T., Sugiya, M.: Mihabilly: voice calling robot for rehabilitation according with the emotion estimation with biological information. In: IPSJ Interaction 2018, pp. 1068–1071 (2018)
3.
Abe, W., Makabe, D., Kosaka, T.: Study on training data for emotion recognition in spontaneous dialogue speech using SVM. IPSJ Tohoku Branch SIG Technical report, 7-A3–3, 13 p. (2016). (in Japanese)
4.
Neagoe, V., Barar, A., Robitu, P.: A deep learning approach for subject independent emotion recognition from facial expressions. In: Recent Advances in Image, Audio and Signal Processing, pp. 93–98 (2013)
5.
Okada, A., Uemura, J., Mera, K., Kurosawa, Y., Takezawa, T.: Construction of real-time emotion recognition system from facial expression, voice, and text information. In: Proceedings of the 31st Annual Conference of the Japanese Society for Artificial Intelligence, 1B1-OS-25a, 4 p. (2017). (in Japanese)
6.
Crawford, R., Henry, D.: The positive and negative affect schedule (PANAS): construct validity, measurement properties and normative data in a large non-clinical sample. Br. J. Clin. Psychol. 43(3), 245–265 (2004)CrossRef
7.
de Cheveigné, A., Kawahara, H.: YIN, a fundamental frequency estimator for speech and music. J. Acoust. Soc. Am. 111(4), 14 (2002)CrossRef
8.
9.
Claesen, M., De Moor, B.: Hyperparameter search in machine learning. In: Proceedings of the XI Metaheuristics International Conference, 5 p. (2015)
Metadaten
Titel
Emotion Estimating Method by Using Voice and Facial Expression Parameters
verfasst von
Kimihiro Yamanaka
Copyright-Jahr
2021
Buch
Computer Information Systems and Industrial Management

Print ISBN: 978-3-030-84339-7

Electronic ISBN: 978-3-030-84340-3

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-3-030-84340-3_18