향상된 음향 신호 기반의 음향 이벤트 분류Enhanced Sound Signal Based Sound-Event Classification
- Other Titles
- Enhanced Sound Signal Based Sound-Event Classification
- Authors
- 최용주; 이종욱; 박대희; 정용화
- Issue Date
- 2019
- Publisher
- 한국정보처리학회
- Keywords
- Noise Robustness; Sound Signal Generation; End-to-End Architecture; Deep Learning; 잡음 견고성; 음향 신호 생성; End-to-End 구조; 딥러닝
- Citation
- 정보처리학회논문지. 소프트웨어 및 데이터 공학, v.8, no.5, pp.193 - 204
- Indexed
- KCI
- Journal Title
- 정보처리학회논문지. 소프트웨어 및 데이터 공학
- Volume
- 8
- Number
- 5
- Start Page
- 193
- End Page
- 204
- URI
- https://scholar.korea.ac.kr/handle/2021.sw.korea/70682
- ISSN
- 2287-5905
- Abstract
- 센서 기술과 컴퓨팅 성능의 향상으로 인한 데이터의 폭증은 산업 현장의 상황을 분석하기 위한 토대가 되었으며, 이와 같은 데이터를 기반으로 현장에서 발생하는 다양한 이벤트를 탐지 및 분류하려는 시도들이 최근 증가하고 있다. 특히 음향 센서는 상대적으로 저가의 가격으로 현장 정보를 왜곡 없이 음향 신호를 수집할 수 있다는 큰 장점을 기반으로 다양한 분야에 설치되고 있다. 그러나 소리 취득 시 발생하는 잡음을 효과적으로 제어하지 못한다면 산업 현장의 이벤트를 안정적으로 분류할 수 없으며, 분류하지 못한 이벤트가 이상 상황이라면 이로 인한 피해는 막대해질 수 있다. 본 연구에서는 잡음 상황에서도 강인한 시스템을 보장하기 위하여, 딥러닝 알고리즘을 기반으로 잡음의 영향을 개선 시킨 음향 신호를 생성한 후, 해당 음향 이벤트를 분류할 수 있는 시스템을 제안한다. 특히, GAN을 기반으로 VAE 기술을 적용한 SEGAN을 활용하여 아날로그 음향 신호 자체에서 잡음이 제거된 신호를 생성하였으며, 향상된 음향 신호를 데이터 변환과정 없이 CNN 구조의 입력 데이터로 활용한 후 음향 이벤트에 대한 식별까지도 가능하도록 end-to-end 기반의 음향 이벤트 분류 시스템을 설계하였다. 산업 현장에서 취득한 음향 데이터를 활용하여 제안하는 시스템의 성능을 실험적으로 검증한바, 99.29%(철도산업)와 97.80%(축산업)의 안정적인 분류 성능을 확인하였다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - College of Science and Technology > Department of Computer Convergence Software > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.