맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

기계 학습을 이용한 음악 소스 검색 장치 및 그 방법

  • 기술번호 : KST2019013582
  • 담당센터 : 서울서부기술혁신센터
  • 전화번호 : 02-6124-6930
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 기계 학습을 이용한 음악 소스 검색 장치 및 그 방법이 개시된다. 기계 학습을 이용한 음악 소스 검색 장치는 검색 대상 악기를 설정받고, 다양한 소리를 포함하는 음악 중 적어도 일부를 클리핑한 음원을 입력받는 입력부; 및 상기 클리핑한 음원을 캡스트럼 변환하여 특징값을 추출한 후, 상기 음원의 특징값을 학습된 음악 소스 추정 모델에 적용하여 상기 음원의 특징값과 유사한 특징값을 가지는 상기 검색 대상 악기의 음악 소스를 출력하는 검색부를 포함한다.
Int. CL G06F 16/00 (2019.01.01) G06N 99/00 (2019.01.01)
CPC G06F 16/683(2013.01) G06F 16/683(2013.01)
출원번호/일자 1020170182881 (2017.12.28)
출원인 한양대학교 산학협력단
등록번호/일자 10-2128153-0000 (2020.06.23)
공개번호/일자 10-2019-0080437 (2019.07.08) 문서열기
공고번호/일자 (20200629) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.12.28)
심사청구항수 3

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한양대학교 산학협력단 대한민국 서울특별시 성동구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김종우 경기도 용인시 수지구
2 임근원 서울특별시 서대문구
3 김기태 충청남도 보령시 보령북로 *
4 오원석 서울특별시 성동구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 최관락 대한민국 서울특별시 강남구 강남대로**길 ** (역삼동) 동림빌딩 *층(아이피즈국제특허법률사무소)
2 송인호 대한민국 서울특별시 강남구 강남대로**길 ** (역삼동) 동림빌딩 *층(아이피즈국제특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한양대학교 산학협력단 대한민국 서울특별시 성동구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2017.12.28 수리 (Accepted) 1-1-2017-1306588-25
2 의견제출통지서
Notification of reason for refusal		 2019.07.30 발송처리완료 (Completion of Transmission) 9-5-2019-0546506-57
3 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.08.05 수리 (Accepted) 4-1-2019-5155816-75
4 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.08.06 수리 (Accepted) 4-1-2019-5156285-09
5 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2019.09.30 수리 (Accepted) 1-1-2019-0996781-26
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2019.09.30 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2019-0996782-72
7 거절결정서
Decision to Refuse a Patent		 2020.02.05 발송처리완료 (Completion of Transmission) 9-5-2020-0088155-27
8 [명세서등 보정]보정서(재심사)
Amendment to Description, etc(Reexamination)		 2020.03.09 보정승인 (Acceptance of amendment) 1-1-2020-0246580-34
9 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2020.03.09 수리 (Accepted) 1-1-2020-0246579-98
10 등록결정서
Decision to Grant Registration		 2020.04.08 발송처리완료 (Completion of Transmission) 9-5-2020-0252972-61
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
악기별 다양한 음악 소스를 음악 소스 데이터베이스에 저장하는 단계;각 악기별 음악 소스 각각에 대해 파형, 주파수 및 소리 크기를 변화시켜 음량과 음색이 다른 복수의 웨이브 파일을 생성하고, 각각의 웨이브 파일과 해당하는 음원 소스를 더하여 훈련 데이터를 각각 생성하는 단계-상기 파형은 sine파 및 square파를 포함하며, 상기 주파수는 음계에 대한 주파수이며, 상기 음계는 1옥타브의 도 음에서 8옥타브의 시음을 포함함;상기 훈련 데이터를 캡스트럼 변환하여 이미지화하는 단계;상기 이미지화된 훈련 데이터를 이용하여 음악 소스 추정 모델을 학습하되, 상기 이미지화된 훈련 데이터에 대한 음악 소스 라벨을 결과로서 상기 음악 소스 추정 모델에 라벨링함으로써 상기 음악 소스 추정 모델이 악기별 각각의 음악 소스에 대한 특징값을 추출하여 학습하는 단계;검색 대상 악기를 설정받는 단계;다양한 소리를 포함하는 음악 중 적어도 일부를 클리핑한 음원을 입력받는 단계;상기 클리핑한 음원을 고속 푸리에 변환(FFT)하여 스펙트럼을 구한 후 역방향 고속 푸리에 변환(Inverse FFT)하여 캡스트럼 변환한 후 이미지화하는 단계; 및상기 이미지화된 클리핑한 음원을 상기 학습된 음악 소스 추정 모델에 적용하여 상기 검색 대상 악기에 대한 복수의 음악 소스들 중 상기 이미지화된 클리핑한 음원과 유사한 검색 대상 악기의 음악 소스 라벨 정보를 유사도가 높은 순으로 복수개 출력하는 단계; 및상기 출력된 복수의 음악 소스 라벨 정보에 해당하는 검색 대상 악기의 음악 소스를 상기 음악 소스 데이터베이스로부터 각각 추출하여 출력하는 단계를 포함하되, 상기 출력되는 음악 소스는 상기 검색 대상 악기의 음원 이외의 다른 음원을 포함하지 않는 것을 특징으로 하는 음악 소스 검색 방법
2 2
삭제
3 3
삭제
4 4
삭제
5 5
삭제
6 6
제1 항에 따른 방법을 수행하기 위한 프로그램 코드를 기록한 컴퓨터로 판독 가능한 기록매체
7 7
악기별 음악 소스를 저장하는 음악 소스 데이터베이스;각 악기별 음악 소스를 이용하여 훈련 데이터를 생성함에 있어, 상기 음악 소스 각각에 대해 파형, 주파수 및 소리 크기를 변화시켜 음량과 음색이 다른 복수의 웨이브 파일을 각각 생성하고, 각각의 웨이브 파일과 해당하는 음원 소스를 더하여 훈련 데이터를 각각 생성하는 훈련 데이터 생성부- 상기 파형은 sine파 및 square파를 포함하며, 상기 주파수는 음계에 대한 주파수이며, 상기 음계는 1옥타브의 도 음에서 8옥타브의 시음을 포함하고, 상기 훈련 데이터는 캡스트럼 변환됨으로써 상기 훈련 데이터의 특징값을 포함하는 형태로 변환되어 이미지화됨; 및상기 이미지화된 훈련 데이터를 이용하여 음악 소스 추정 모델을 학습하되, 상기 이미지화된 훈련 데이터에 대한 음악 소스 라벨을 결과로서 상기 음악 소스 추정 모델에 라벨링함으로써 상기 음악 소스 추정 모델이 악기별 각각의 음악 소스에 대한 특징값을 추출하여 학습하는 학습부;검색 대상 악기를 설정받고, 다양한 소리를 포함하는 음악 중 적어도 일부를 클리핑한 음원을 입력받는 입력부; 및상기 클리핑한 음원을 캡스트럼 변환한 후 이미지화하고, 상기 이미지화된 클리핑한 음원을 상기 학습된 음악 소스 추정 모델에 적용하여 상기 검색 대상 악기에 대한 복수의 음악 소스들 중 상기 이미지화된 클리핑한 음원과 유사한 검색 대상 악기의 음악 소스 라벨 정보를 유사도가 높은 순으로 복수개 출력하고, 상기 출력된 복수의 음악 소스 라벨 정보에 해당하는 검색 대상 악기의 음악 소스를 상기 음악 소스 데이터베이스로부터 각각 추출하여 출력하는 검색부를 포함하되, 상기 클리핑한 음원의 이미지화는, 상기 클리핑한 음원을 고속 푸리에 변환(FFT)하여 스펙트럼을 구한 후 역방향 고속 푸리에 변환(Inverse FFT)하여 캡스트럼 변환하여 이미지화하되,상기 출력되는 음악 소스는 상기 검색 대상 악기의 음원 이외의 다른 음원을 포함하지 않는 것을 특징으로 하는 음악 소스 검색 장치
8 8
삭제
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.