第二周报告 - 于建国 (YJango)

1. 特征提取

提取 OpenSMILE 全局特征 和 时序特征 后做成 tfrecord 便于特征的随意组合和 tensorflow 的训练。

全局特征	维度	时序特征 (lld)	维度
IS09_emotion.conf		MFCC13*3
IS10_paraling.conf		IS10_paraling -D
IS13_ComParE.conf		IS13_ComParE -D
ComParE_2016.conf		FilterBank(40+total energy)*3

2. 特征筛选

选择出最好的 全局特征 和 时序特征 用于做特征融合。

2.1. 全局特征筛选

使用全连接网络进行训练，取最好的网络结构的最后隐藏层作为全局特征。

2.1.1. 全连接网络结构

省略输入层和输出层，D 表示 dense， 表示层数

全连接网络结构

#layer	#node	learning rate	batch size	epoch	update
5	512	5e-4	96	50	Adam

2.1.2. 全连接网络 7-fold CV

用全连接网络 (FC) 的结果和 Gradient Boosting Decision Tree 基线结果进行对比。

特征	维度	GBDT rmse	GBDT pcc	FC rmse	FC pcc
IS09	384	0.7349	0.6772	0.7539	0.6498
IS10	1582	0.6815	0.7307	0.6869	0.7214
IS13	6373	0.6775	0.7343	0.6741	0.7328
IS16	6373	0.6850	0.7274	0.6797	0.7294
IS09,13	384+6373	0.6729	0.7342	0.6748	0.7335
IS10,13	1582+6373	0.6763	0.7353	0.6616	0.7456
IS09,16	384+6373	0.6749	0.7326	0.6787	0.7306
IS10,16	1582+6373	0.6618	0.7453	0.6620	0.7459
IS09,10,13	384+1582+6373	0.6739	0.7339	0.6685	0.7386
IS09,10,13,16	384+1582+6373+6373	0.6639	0.7429	0.6697	0.7382

2.1.3. 全局特征选择

使用 IS10,13 和 IS10,16 特征集的全连接网络效果较好。
IS09,10,13,16 在全连接网络中并不容易训练。
由于很多论文偏向于 IS13，所以选择**使用 IS10,13 的全连接网络的最后隐藏层的输出 (512 维) **做为全局特征。

2.2. 时序特征筛选

尝试 一维卷积网络结构 和 双向循环神经网络 来建模。取最好的网络结构的最后隐藏层作为时序特征。

2.2.1. 一维卷积网络结构

卷积网络速度快，特征集的筛选主要由它负责。 是 kernel size， 是 pooling type， 是在时间维上的平均池化。

一维卷积网络结构

pool size	learning rate	batch size	epoch
2	5e-5	32	100

2.2.2. 一维卷积网络 7-fold CV

时序特征	维度	pool type	kernel size
mfcc	39	max	2	0.7503	0.6524
fb	123	max	2	0.7321	0.6716
mfcc + fb	39+123	max	2	0.7001	0.7059
mfcc	39	avg	2	0.7698	0.6272
fb	123	avg	2	0.7462	0.6545
mfcc + fb	39+123	avg	2	0.6969	0.7090
mfcc	39	max	3	0.7471	0.6558
fb	123	max	3	0.7297	0.6764
mfcc + fb	39+123	max	3	0.7117	0.6725
fb +IS10+IS13	39+76+130	max	2	0.6708	0.7348
fb +IS10+IS13	39+76+130	max	3	0.6736	0.7325

其余结果略

2.2.3. 双向循环网络结构

与循环神经网络进行对比，时间缘故，并未调节卷积层的 kernel size，只用了 1x1 conv。

双向循环网络结构

learning rate	batch size	epoch
1e-4	64	50

2.2.4. 双向循环网络 7-fold CV

时序特征	维度
mfcc 39	39	0.7110	0.6949
fb, IS10, 13	123+76+130	0.6888	0.7175

其余结果略

2.2.5. 时序特征选择

一维卷积网络稍优于，且快于循环网络结果。
特征上，单独的 mfcc 或 fb 都不如 IS10, 13 的特征集。
所以选择**使用 fb, IS10,13 的循环 或 卷积网络的最后隐藏层的输出 (512 维) **做为时序特征。

3. 特征融合

因为全局特征和时序特征只是形式不同，但有极强的相关性和重复信息。
所以使用 correlational neural networks 进行特征融合。
优点是可以仅使用一个输入 (全局特征) 或 (时序特征) 进行预测而不会过分破坏表现。

3.1. 网络结构

全局特征 和 时序特征的网络的权重是预训练后固定的。
训练完 correlational neural networks 后，固定网络权重，取 作为最后的特征。
最后把 作为输入，只训练 dense (relu) 和 output layer (共同形成MLP) 预测 P 值。

相关网络结构

3.2. 网络结构 7-fold CV

模型	特征	维度
融合特征 using MLP	全局特征 (512) + 循环网络时序特征 (512)	512	0.6486	0.7569
融合特征 using MLP	全局特征 (512) + 卷积网络时序特征 (512)	512	0.6375	0.7655
mean( GBDT + 融合特征 using MLP)	IS10，IS16 (384+6373) + 全局特征 (512) + 卷积网络时序特征 (512)	512	0.6335	0.7692

4. 代码说明

4.1. 特征提取

代码文件	作用	格式变换
extractor.py	批量提取全局、时序特征	.wav .txt or .mfc
data_maker.py	与标签对齐后转成 pandas.DataFrame	.txt .csv
tfrecord_maker.py	将数据转成 tfrecord 文件	.csv or .mfc or .txt .tfrecord
data.py	帮助读写 tfrecord 文件	null

4.2. 神经网络

代码文件	作用
DNN.py	全连接网络实验
RNN.py	循环网络实验
CNN.py	卷积网络实验
Cr2NN.py	相关网络实验
layers.py	搭建层的帮助文件
cv_ids.npy	交叉验证的文件 ID

5. 线上测试结果

在额外测试集上表现。

模型
GBDT	0.7342
全连接网络	0.7118
卷积网络	0.7280
融合特征 using MLP	0.7499
融合特征 using GBDT	0.7472
mean( GBDT + 融合特征 using MLP)	0.7544
mean( GBDT + 融合特征 using GBDT)	0.7546

6. 结论

此任务中：

• 特征
  • 全局特征 IS10,13 效果较好。
  • 时序特征 fb 优于 mfcc。
  • 时序特征 fb, IS10,13 效果较好。
  • 融合特征带来的提升比较显著，即便用来融合的 卷积模型特征 和 全连接模型特征本身效果很一般。
• 模型
  • 一维卷积网络速度、参数量、效果都略优于循环网络。
  • 融合特征不论是用神经网络还是 GBDT 都可以取得较好的结果。
  • 平均第一周模型的结果和第二周模型的结果取得了最好的结果。

7. 附：导师评语

7.1. 导师1

• 在特征提取上继续了上周的工作，并在此基础上筛选了全局特征和时序特征，并给出了筛选的过程。
• 在网络结构上进行了7折交叉验证，并与 GBDT 进行对比。
• 时序特征选择上使用一维卷积，双向LSTM。最后给出了融合特征的网络结构图。
• 在项目工程文档里面给出每个文件的说明，最终给出了结论。
• 并思考了深度学习网路结构在该数据集上的一些优缺点。

7.2. 导师2

• 该学员在报告伊始给出目录，报告结构一目了然。
• 中间过程多次使用表格对不同的项目进行对比，结构非常清晰，条理性非常强，逻辑严谨，思路清晰，描述详细。
• 文中给出了网络结构图，非常清晰。
• 对不同网络结构和特征描述非常详细，分析透彻。
• 并在最后给出自己的感悟和结论。