Ses Özniteliklerini Kullanan Ses Duygu Durum Sınıflandırma İçin Derin Öğrenme Tabanlı Bir Yazılımsal Araç

Emir Ali KIVRAK; Bahadir KARASULU; Can SÖZBİR; Atakan TÜRKAY

Makale detayları

Ses Özniteliklerini Kullanan Ses Duygu Durum Sınıflandırma İçin Derin Öğrenme Tabanlı Bir Yazılımsal Araç

Yazarlar:

Emir Ali KIVRAK | Bahadir KARASULU | Can SÖZBİR | Atakan TÜRKAY

Yayıncı:

Murat GÖK

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Veri Bilimi 2021 Vol.4 Issue 3, pp.14-27

Belge Tipi:

Makale

Yayın Tarihi:

12/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000683259

Sıklık:

İki Yıllık

eISSN:

2667-582X

Özet:

 

For audio emotional state analysis, a software tool was designed in our study that build deep learning architectural models that classify audio emotional states using audio data with the help of the user graphical interface without writing any line of source codes. Obtaining the desired data sets and audio features for audio data, creating the architecture and training the model with the desired neural network layers and hyperparameters of deep learning model were provided. While the model is being trained, real-time monitoring of training values can be performed over the software tool. Throughout the study, the relevant steps were carried out using both pure source code editing and software tool. The code editing based hybrid model built with long short-term memory and convolutional neural networks in its architecture that achieved an accuracy rate of 81.49%. In addition, the graphical software tool based standalone model without any coding intervention was built with convolutional neural network in its architecture. Thence, it achieved 75.76% accuracy rate. The main motivation in the development of software tool is to build a potential deep learning architectural model that can be used to classify different audio emotional states. Experimental results prove that the software tool performs classification with high accuracy quite successfully. The discussion on the results obtained is included in our study.

 

Ses duygu durum analizi için kullanıcı grafik arayüzü yardımıyla ses verilerini kullanarak ses duygu durumları herhangi bir kaynak kodu satırı yazmadan sınıflandıran derin öğrenme mimari modellerini oluşturan bir yazılımsal araç çalışmamızda tasarlanmıştır. Veri kümelerinin elde edilmesi, ses verilerine yönelik ses özniteliklerinin elde edilmesi, mimarinin oluşturulması ve derin öğrenme modelinin istenilen sinir ağı katmanları ve üstün parametreler ile modelin eğitilmesi sağlanmıştır. Model eğitilirken, eğitim değerlerinin gerçek zamanlı izlenmesi yazılımsal araç ile yapılabilmektedir. Çalışma boyunca, ilgili adımlar hem salt kaynak kodu düzenleme hem de yazılımsal araç kullanılarak gerçekleştirilmiştir. Kod düzenleme tabanlı melez model, mimarisinde uzun kısa süreli bellek ve evrişimli sinir ağları kullanılarak oluşturulmuş, %81,49 doğruluk oranına ulaşmıştır. Ayrıca, herhangi bir kodlama müdahalesi olmaksızın grafik yazılımsal araç tabanlı tekil model, mimarisinde evrişimli sinir ağı ile oluşturulmuştur. Böylece %75,76 doğruluk oranına ulaşmıştır. Yazılımsal aracın geliştirilmesindeki ana motivasyon, farklı ses duygu durumları sınıflandırmak için kullanılabilecek potansiyel bir derin öğrenme mimari modeli oluşturmaktır. Deneysel sonuçlar, yazılımsal aracın yüksek doğrulukla sınıflandırmayı oldukça başarılı bir şekilde gerçekleştirdiğini kanıtlamaktadır. Elde edilen sonuçlara dair tartışmaya da çalışmamızda yer verilmiştir.

Makale detayları

Ses Özniteliklerini Kullanan Ses Duygu Durum Sınıflandırma İçin Derin Öğrenme Tabanlı Bir Yazılımsal Araç

Yazarlar: Emir Ali KIVRAK | Bahadir KARASULU | Can SÖZBİR | Atakan TÜRKAY

Yayıncı: Murat GÖK

Ana Başlıklar: Uygulamalı fizik

Dergi: Veri Bilimi 2021 Vol.4 Issue 3, pp.14-27

Belge Tipi: Makale

Yayın Tarihi: 12/2021

Belge Dili: Türkçe

Document ID (Org No.): 2000683259

Sıklık: İki Yıllık

eISSN: 2667-582X

Sayı

Yazarlar:

Emir Ali KIVRAK | Bahadir KARASULU | Can SÖZBİR | Atakan TÜRKAY

Yayıncı:

Murat GÖK

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Veri Bilimi 2021 Vol.4 Issue 3, pp.14-27

Belge Tipi:

Makale

Yayın Tarihi:

12/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000683259

Sıklık:

İki Yıllık

eISSN:

2667-582X