본 논문은 음성 감정 인식(SER)에서 미묘한 감정 변화를 포착하고 다양한 데이터셋에 대한 일반화 성능을 향상시키기 위해 1D-CNN 기반의 새로운 SER 프레임워크를 제안합니다. Mel-Frequency Cepstral Coefficients (MFCCs)를 특징으로 사용하고, 데이터 증강 기법과 채널 및 공간적 어텐션 메커니즘을 갖춘 1D Convolutional Neural Network (CNN) 아키텍처를 활용하여 모델의 성능을 향상시킵니다. 다양한 데이터셋(SAVEE, RAVDESS, CREMA-D, TESS, EMO-DB, EMOVO)에 대한 실험 결과, 제안된 방법은 기존의 최첨단 성능을 능가하는 높은 정확도를 달성함을 보여줍니다. (SAVEE 97.49%, RAVDESS 99.23%, CREMA-D 89.31%, TESS 99.82%, EMO-DB 99.53%, EMOVO 96.39%) 이는 고급 딥러닝 기법의 통합이 다양한 데이터셋에서의 일반화 성능을 크게 향상시키며, 실제 환경의 보조 기술 및 인간-컴퓨터 상호작용 분야에 SER을 적용하는 데 잠재력이 있음을 시사합니다.
