메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
오원근 (순천대학교)
저널정보
한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제16권 제6호
발행연도
2021.12
수록면
1,151 - 1,158 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
음향 분류(sound classification)는 소리를 컴퓨터를 이용해 구분하는 기술이며, 최근에는 머신 러닝을 이용한 연구가 활발하게 진행되고 있다. 머신 러닝 기반의 음향 분류는 먼저 소리 데이터 세트를 이용해서 심층 신경망을 학습시킨 다음, 여기에 실제 소리를 입력하여 판별하는 방식으로 동작한다. 그런데 판별 단계에서는 주변 소음으로 인해 머신 러닝의 인식률이 낮아지는 문제가 발생한다. 즉, 실험 환경과는 달리 현장에서는 목적음과 함께 주변의 다양한 소리가 마이크로 입력되는데, 이러한 소리들은 학습 시에는 사용하지 않았던 소리이기 때문에 목적음의 인식률을 떨어뜨리는 방해음으로 작용한다. 이때 방해음의 레벨과 종류 그리고 인식률의 상관관계는 음향 분류의 실용화를 위해 선행되어야 할 주제이나 이에 대한 연구 결과는 그리 많지 않다. 본 논문에서는 음악 소리가 방해음인 상황에서 목적음을 인식할 때 음악 장르와 음량에 따른 머신 러닝의 음향 인식 성능 변화에 대해 실험적으로 고찰하였다. 이를 위해 CNN과 10종의 일상 환경음으로 구성된 UrbanSound8K 데이터 세트, 그리고 10종의 음악장르가 들어있는 GTZAN 데이터 세트을 사용하여 실험을 수행하였다. 먼저 UrbanSound8K의 소리만을 이용하여 이를 인식하도록 CNN을 학습시킨 후, GTZAN에서 각 장르별로 5개의 음악을 선택하여 목적음과 신호대 잡음비가 -20dB, 0dB, 5dB, 10dB, 20dB가 되도록 합성하였다. 이 혼합음을 학습이 완료된 CNN에 입력하여 잡음이 없는 목적음을 입력했을 때와 비교 시 인식률 변화를 실험하였다. 실험 결과 음악 장르별로 인식률이 2.8%~22% 차이가 발생하였다. 또한 음악이 방해음으로 큰 영향을 주지 않기 위해서는 SNR이 20dB 이상이 되어야 한다는 결과를 도출하였다.
#Sound classification #Deep learning #Music genre #UrbanSound8K #GTZAN

목차

등록된 정보가 없습니다.

참고문헌 (15)

참고문헌 신청
D. Gerhard / 2003 / Audio signal classification:History and current technique / Department of Computer Science, University of Regina google schola S. Abdoli / 2019 / End-to-end environmental sound classification using a 1D convolutional neural network / Expert Systems with Applications 136:252~263 google schola V. Boddapati / 2017 / Classifying environmental sounds using image recognition networks / Procedia Computer Science 112:2048~2056 google schola D. Chong / 2019 / Multi-channel convolutional neural networks with multi-level feature fusion for environmental sound classification / Lecture Notes in Computer Science :157~168 google schola B. Zhu / 2018 / Learning environmental sounds with multi-scale convolutional neural network / Proceedings of the International Joint Conference on Neural Networks :1~8 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0