摘要。跨主体或独立于主体的情绪识别一直是情感计算中的一项艰巨任务。这项工作是关于一个易于实现的情绪识别模型,该模型可独立地对来自脑电图信号的情绪进行分类。它基于著名的 EEGNet 架构,该架构用于脑电图相关的 BCI。我们使用了“使用自然刺激的情绪数据集”(DENS)数据集。该数据集包含“情绪事件”——参与者感受到的情绪时间的精确信息。该模型是 CNN 的常规、深度和可分离卷积层的组合,用于对情绪进行分类。该模型能够学习脑电图通道的空间特征和脑电图信号随时间变化的时间特征。该模型针对价空间评级进行了评估。该模型的准确率达到了 73.04%。
![arXiv:2305.19379v1 [cs.HC] 2023 年 5 月 27 日PDF文件第1页](/bimg/d/d37ada1c95b7618a09637a97bd93744f169ddb05.webp)
![arXiv:2305.19379v1 [cs.HC] 2023 年 5 月 27 日PDF文件第2页](/bimg/0/03de3f284e178ca19bd4dbf5d9bceb8155645a77.webp)
![arXiv:2305.19379v1 [cs.HC] 2023 年 5 月 27 日PDF文件第3页](/bimg/1/1aed6c251cd611898963d5c689731681ed9c300b.webp)
![arXiv:2305.19379v1 [cs.HC] 2023 年 5 月 27 日PDF文件第4页](/bimg/1/1956c9185e6cc095e45d491803afebcc712731b3.webp)
![arXiv:2305.19379v1 [cs.HC] 2023 年 5 月 27 日PDF文件第5页](/bimg/a/a90746f02fca1b5c779b2555b7ab4dbcdd6133d2.webp)
