지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김우일
- 발행연도
- 2020
- 저작권
- 인천대학교 논문은 저작권에 의해 보호받습니다.
이용수6
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 인공지능 분야가 주목받으면서 컴퓨터와 보다 자연스러운 대화를 원하는 사용자들이 늘고 있으며, 그에 따라 음성 인식과 관련한 다양한 연구가 진행되고 있다. 활발한 연구가 진행되면서 다양한 기법들이 음성 인식 분야에 적용되었는데 그 중에서도 인공지능 분야의 선두를 맡고 있는 심층 신경망 기반의 기법들이 음성 인식 분야에 적용되면서 음성 인식 성능을 크게 향상시켰다. 그럼에도 불구하고 아직 사용자들이 기대하는 성능에는 미치지 못하고 있는데, 이는 실제 사용 환경에서 발생하는 잡음이 음성 인식기의 성능을 저하시키기 때문이다. 그렇기 때문에 잡음 환경에 강인한 음성 인식기가 필수적으로 필요하다. 본 논문에서는 이러한 문제에 초점을 맞춰 잡음 환경에서의 음성 인식을 주제로한 연구를 소개하고자 한다.
높은 성능을 가진 음성 인식기를 구현하기 위해서 심층 신경망 기반의 음성 인식 모델이 많이 사용된다. 그런데 심층 신경망 기반의 모델을 사용하면 요구되는 연산량이 많아 그래픽 처리 장치(Graphic Process Unit, GPU)를 사용하게 된다. 많은 경우에 서버에 GPU를 설치하고 단말기에서 음성 파일만을 서버로 전송하는 방식으로 음성 인식기를 구현한다. 실시간으로 발생하는 모든 음성 데이터를 입력으로 받아 명령어를 판단하기에는 서버에 걸리는 부하가 너무 커지게 된다. 따라서, 현재 상용화된 음성 인식기들은 사용자가 입력을 필요로 할 때에만 음성 인식기를 대기모드에서 동작모드로 전환하여 사용하는 방식으로 되어있다. 이 때 대기모드에서 동작모드로 전환시키기 위해 발화하는 짧은 길이의 단어를 키워드 (keyword) 혹은 기동어라고 한다. 본 논문에서는 다양한 종류의 음성 중에서도 키워드 음성을 인식하는 것에 초점을 맞춰 연구 내용을 소개한다.
본 논문에서는 음성 인식을 위해 사용되는 다양한 기법들을 소개하고 키워드 인식 시스템 구성 방법을 제안한다. 또한, 잡음 환경에서 성능 저하를 막기 위해 적용 가능한 기법들 중 데이터 증강 기법을 중심으로 소개하며, 잡음 환경에서의 키워드 음성 인식 성능을 평가한다. 최종적으로 실시간으로 잡음 환경에서 키워드 음성을 인식하기 위한 시스템을 구현하고 제작 방법을 소개한다.
높은 성능을 가진 음성 인식기를 구현하기 위해서 심층 신경망 기반의 음성 인식 모델이 많이 사용된다. 그런데 심층 신경망 기반의 모델을 사용하면 요구되는 연산량이 많아 그래픽 처리 장치(Graphic Process Unit, GPU)를 사용하게 된다. 많은 경우에 서버에 GPU를 설치하고 단말기에서 음성 파일만을 서버로 전송하는 방식으로 음성 인식기를 구현한다. 실시간으로 발생하는 모든 음성 데이터를 입력으로 받아 명령어를 판단하기에는 서버에 걸리는 부하가 너무 커지게 된다. 따라서, 현재 상용화된 음성 인식기들은 사용자가 입력을 필요로 할 때에만 음성 인식기를 대기모드에서 동작모드로 전환하여 사용하는 방식으로 되어있다. 이 때 대기모드에서 동작모드로 전환시키기 위해 발화하는 짧은 길이의 단어를 키워드 (keyword) 혹은 기동어라고 한다. 본 논문에서는 다양한 종류의 음성 중에서도 키워드 음성을 인식하는 것에 초점을 맞춰 연구 내용을 소개한다.
본 논문에서는 음성 인식을 위해 사용되는 다양한 기법들을 소개하고 키워드 인식 시스템 구성 방법을 제안한다. 또한, 잡음 환경에서 성능 저하를 막기 위해 적용 가능한 기법들 중 데이터 증강 기법을 중심으로 소개하며, 잡음 환경에서의 키워드 음성 인식 성능을 평가한다. 최종적으로 실시간으로 잡음 환경에서 키워드 음성을 인식하기 위한 시스템을 구현하고 제작 방법을 소개한다.
목차
목 차국문초록……………………………………………………………………………………i목 차…………………………………………………………………………………… iii표 목 차…………………………………………………………………………………… v그림목차……………………………………………………………………………………vi제 1 장 서 론1.1연구배경 11.2 관련 연구동향 31.3 연구목적 41.4 논문의 구성 5제 2 장 음성 인식 개요2.1 음성 특징 추출 62.2 음향 모델 112.3 GMM-HMM 기반의 음향 모델의 인식 과정 152.4 심층 신경망 기반의 음향 모델 19제 3 장 잡음 환경에서의 성능 향상을 위한 데이터 증강3.1 데이터 증강 기법 263.2잡음 합성을 이용한 잡음 환경 데이터 증강 273.3 Room Impulse Response 필터를 활용한 원거리 환경 데이터 증강 293.4심층 신경망 기반의 데이터 증강 기법 30제 4 장 음성 키워드 인식4.1 HMM score를 활용한 특징 벡터 444.2 인식 성능 향상을 위한 선형 판별 분석법 474.3실시간 키워드 인식 시스템 504.4 사용자 정의 키워드 인식 58제 5 장 실험 과정 및 실험 결과5.1 키워드 인식 성능 평가 실험 605.2 사용자 정의 키워드 인식 실험 675.3 심층 신경망 기반의 데이터 증강 기법 성능 평가 실험 72제 6 장 결론 80참고문헌 81ABSTRACT 84
최근 본 자료
댓글(0)
0