1 |
1
화자 인증 시스템에서 배경 화자 데이터를 이용하여 화자 인증을 수행하는 방법에 있어서, 화자의 등록 발성 데이터에 대한 제 1 특징 벡터(i-vector), 인증 발성 데이터에 대한 제 2 특징 벡터 및 배경 화자 데이터에 대한 복수의 제 3 특징 벡터를 추출하는 단계;상기 제 1 특징 벡터 및 상기 제 2 특징 벡터에 기초하여 B 벡터(B-vector)를 추출하는 단계;상기 제 1 특징 벡터 및 상기 복수의 제 3 특징 벡터에 기초하여 제 1 R 벡터(R-vector) 를 추출하는 단계;상기 제 2 특징 벡터 및 상기 복수의 제 3 특징 벡터에 기초하여 제 2 R 벡터를 추출하는 단계;상기 B 벡터, 상기 제 1 R 벡터 및 상기 제 2 R 벡터를 심층 신경망(DNN, Deep Neural Network)에 입력하는 단계; 및상기 심층 신경망에 기초하여 화자 인증을 수행하는 단계를 포함하되, 상기 B 벡터는 상기 제 1 특징 벡터 및 상기 제 2 특징 벡터간의 2항 연산(binary operation)에 기초하여 추출되는 것인, 화자 인증 방법
|
2 |
2
삭제
|
3 |
3
제 1 항에 있어서,상기 B 벡터를 추출하는 단계는,상기 제 1 특징 벡터 및 상기 제 2 특징 벡터간의 2항 연산을 수행하는 단계; 및상기 2항 연산의 복수의 결과값을 연결하여 상기 B 벡터를 생성하는 단계를 포함하는 것인, 화자 인증 방법
|
4 |
4
화자 인증 시스템에서 배경 화자 데이터를 이용하여 화자 인증을 수행하는 방법에 있어서, 화자의 등록 발성 데이터에 대한 제 1 특징 벡터(i-vector), 인증 발성 데이터에 대한 제 2 특징 벡터 및 배경 화자 데이터에 대한 복수의 제 3 특징 벡터를 추출하는 단계;상기 제 1 특징 벡터 및 상기 제 2 특징 벡터에 기초하여 B 벡터(B-vector)를 추출하는 단계;상기 제 1 특징 벡터 및 상기 복수의 제 3 특징 벡터에 기초하여 제 1 R 벡터(R-vector) 를 추출하는 단계;상기 제 2 특징 벡터 및 상기 복수의 제 3 특징 벡터에 기초하여 제 2 R 벡터를 추출하는 단계;상기 B 벡터, 상기 제 1 R 벡터 및 상기 제 2 R 벡터를 심층 신경망(DNN, Deep Neural Network)에 입력하는 단계; 및상기 심층 신경망에 기초하여 화자 인증을 수행하는 단계를 포함하되,상기 제 1 R 벡터는 상기 제 1 특징 벡터 및 상기 복수의 제 3 특징 벡터간의 2항 연산 및 주성분 분석법(PCA, Principal Component Analysis)에 기초하여 추출되고,상기 제 2 R 벡터는 상기 제 2 특징 벡터 및 상기 복수의 제 3 특징 벡터간의 2항 연산 및 주성분 분석법(PCA, Principal Component Analysis)에 기초하여 추출되는 것인, 화자 인증 방법
|
5 |
5
제 4 항에 있어서,상기 제 1 R 벡터를 추출하는 단계는,상기 제 1 R 벡터에 해당하는 복수의 B 벡터를 추출하는 단계;상기 제 1 R 벡터에 해당하는 복수의 B 벡터 각각을 주성분 분석법에 기초하여 차원 축소시키는 단계; 및상기 차원 축소된 제 1 R 벡터에 해당하는 복수의 B 벡터를 연결하여 상기 제 1 R 벡터를 생성하는 단계를 포함하는 것인, 화자 인증 방법
|
6 |
6
제 5 항에 있어서,상기 제 1 R 벡터에 해당하는 복수의 B 벡터를 추출하는 단계는,상기 제 1 특징 벡터와 각 제 3 특징 벡터간의 2항 연산을 수행하는 단계; 및상기 제 1 특징 벡터와 각 제 3 특징 벡터간의 2항 연산의 복수의 결과값을 연결하여 상기 제 1 R 벡터에 해당하는 복수의 B 벡터를 생성하는 단계를 포함하는 것인, 화자 인증 방법
|
7 |
7
제 6 항에 있어서,상기 제 1 R 벡터에 해당하는 복수의 B 벡터는 상기 추출된 제 3 특징 벡터의 수만큼 생성되는 것인, 화자 인증 방법
|
8 |
8
배경 화자 데이터를 이용하여 화자 인증을 수행하는 화자 인증 시스템에 있어서, 화자의 등록 발성 데이터에 대한 제 1 특징 벡터(i-vector), 인증 발성 데이터에 대한 제 2 특징 벡터 및 배경 화자 데이터에 대한 복수의 제 3 특징 벡터를 추출하는 특징 벡터 추출부;상기 제 1 특징 벡터 및 상기 제 2 특징 벡터에 기초하여 B 벡터(B-vector)를 추출하는 B 벡터 추출부;상기 제 1 특징 벡터 및 상기 복수의 제 3 특징 벡터에 기초하여 제 1 R 벡터(R-vector) 를 추출하고, 상기 제 2 특징 벡터 및 상기 복수의 제 3 특징 벡터에 기초하여 제 2 R 벡터를 추출하는 R 벡터 추출부;상기 B 벡터, 상기 제 1 R 벡터 및 상기 제 2 R 벡터를 심층 신경망(DNN, Deep Neural Network)에 입력하는 심층 신경망 입력부; 및상기 심층 신경망에 기초하여 화자 인증을 수행하는 화자 인증 수행부를 포함하되, 상기 B 벡터는 상기 제 1 특징 벡터 및 상기 제 2 특징 벡터간의 2항 연산(binary operation)에 기초하여 추출되는 것인, 화자 인증 시스템
|
9 |
9
삭제
|
10 |
10
제 8 항에 있어서,상기 B 벡터 추출부는, 상기 제 1 특징 벡터 및 상기 제 2 특징 벡터간의 2항 연산을 수행하고, 상기 2항 연산의 복수의 결과값을 연결하여 상기 B 벡터를 생성하는 것인, 화자 인증 시스템
|
11 |
11
배경 화자 데이터를 이용하여 화자 인증을 수행하는 화자 인증 시스템에 있어서, 화자의 등록 발성 데이터에 대한 제 1 특징 벡터(i-vector), 인증 발성 데이터에 대한 제 2 특징 벡터 및 배경 화자 데이터에 대한 복수의 제 3 특징 벡터를 추출하는 특징 벡터 추출부;상기 제 1 특징 벡터 및 상기 제 2 특징 벡터에 기초하여 B 벡터(B-vector)를 추출하는 B 벡터 추출부;상기 제 1 특징 벡터 및 상기 복수의 제 3 특징 벡터에 기초하여 제 1 R 벡터(R-vector) 를 추출하고, 상기 제 2 특징 벡터 및 상기 복수의 제 3 특징 벡터에 기초하여 제 2 R 벡터를 추출하는 R 벡터 추출부;상기 B 벡터, 상기 제 1 R 벡터 및 상기 제 2 R 벡터를 심층 신경망(DNN, Deep Neural Network)에 입력하는 심층 신경망 입력부; 및상기 심층 신경망에 기초하여 화자 인증을 수행하는 화자 인증 수행부를 포함하되, 상기 제 1 R 벡터는 상기 제 1 특징 벡터 및 상기 복수의 제 3 특징 벡터간의 2항 연산 및 주성분 분석법(PCA, Principal Component Analysis)에 기초하여 추출되고,상기 제 2 R 벡터는 상기 제 2 특징 벡터 및 상기 복수의 제 3 특징 벡터간의 2항 연산 및 주성분 분석법(PCA, Principal Component Analysis)에 기초하여 추출되는 것인, 화자 인증 시스템
|
12 |
12
제 11 항에 있어서,상기 R 벡터 추출부는,상기 제 1 R 벡터에 해당하는 복수의 B 벡터를 추출하고, 상기 제 1 R 벡터에 해당하는 복수의 B 벡터 각각을 주성분 분석법에 기초하여 차원 축소시키고, 상기 차원 축소된 제 1 R 벡터에 해당하는 복수의 B 벡터를 연결하여 상기 상기 제 1 R 벡터를 생성하는 것인, 화자 인증 시스템
|
13 |
13
제 12 항에 있어서,상기 R 벡터 추출부는,상기 제 1 R 벡터에 해당하는 복수의 B 벡터를 추출하고, 상기 제 1 특징 벡터와 각 제 3 특징 벡터간의 2항 연산을 수행하고, 상기 제 1 특징 벡터와 각 제 3 특징 벡터간의 2항 연산의 복수의 결과값을 연결하여 상기 제 1 R 벡터에 해당하는 복수의 B 벡터를 생성하는 것인, 화자 인증 시스템
|
14 |
14
제 13 항에 있어서,상기 제 1 R 벡터에 해당하는 복수의 B 벡터는 상기 추출된 제 3 특징 벡터의 수만큼 생성되는 것인, 화자 인증 시스템
|
15 |
15
화자 인증 시스템에서 배경 화자 데이터를 이용하여 화자 인증을 수행하기 위한 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로서, 상기 화자 인증 시스템의 컴퓨팅 장치에 의해 실행될 경우, 상기 컴퓨터 프로그램은,화자의 등록 발성 데이터에 대한 제 1 특징 벡터(i-vector), 인증 발성 데이터에 대한 제 2 특징 벡터 및 배경 화자 데이터에 대한 복수의 제 3 특징 벡터를 추출하고,상기 제 1 특징 벡터 및 상기 제 2 특징 벡터에 기초하여 B 벡터(B-vector)를 추출하고,상기 제 1 특징 벡터 및 상기 복수의 제 3 특징 벡터에 기초하여 제 1 R 벡터(R-vector) 를 추출하고,상기 제 2 특징 벡터 및 상기 복수의 제 3 특징 벡터에 기초하여 제 2 R 벡터를 추출하고,상기 B 벡터, 상기 제 1 R 벡터 및 상기 제 2 R 벡터를 심층 신경망(DNN, Deep Neural Network)에 입력하고,상기 심층 신경망에 기초하여 화자 인증을 수행하도록 하는 명령어들의 시퀀스를 포함하되, 상기 B 벡터는 상기 제 1 특징 벡터 및 상기 제 2 특징 벡터간의 2항 연산(binary operation)에 기초하여 추출되는 것인, 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램
|