brave-cookie/emotion-recognition

⚙ 감정 인식 모델 개발 ⚙

🎯 Emotion-recognition

음성 데이터를 4초 길이로 자른 후, MFCC를 사용해 특징 벡터를 추출합니다. 추출한 특징 벡터는 감정 별로 값의 범위가 다양하기 때문에 Scaler를 사용해 표준화시킵니다. Scaler는 MinMax Scaler를 사용했습니다. 이후 SVM 모델을 학습시킵니다.

완성된 모델의 정확도는 약 85%이며, 각 감정에 대한 예측 결과는 아래와 같습니다.

emotion-recognition's Issues

To Do

Goal: 정확도 80% 이상

• 파라미터 최적화
• StandardScaler를 사용해 특징을 스케일링한 뒤 다시 정확도 측정 -> MinMax Scaler가 성능 가장 좋음
• 묵음 제거(0.5초 미만은 제외) -> 정확도 75% 이상 나오면 보류

---

4.30 미팅 후 할일 추가

• 음성 데이터를 4초로 자른 뒤에 돌려보기 (여기서 정확도 안 나오면 그때 묵음 제거 후 다시 2초로 돌려보기)
• confusion matrix을 통해 어떤 감정이 가장 분류가 어려운지 확인 후 대책 결정
• 모델 확정 후, pkl 파일로 내보내기

실시간 회의 구현 후 할일

• 소리 정규화(당장 필요 x, 나중에 실시간 회의에 사용시 필요할 것으로 예상)
• 필요시 4초 미만의 음성 데이터에 대해 4초로 길이를 맞추기