1 |
1
음향 신호를 수신하고, 상기 수신한 음향 신호에 학습된 뉴럴 네트워크를 적용하여, 상기 음향 신호에 음향 이벤트의 존재 여부를 결정하여 출력하는 단계; 및상기 결정의 오차를 줄이기 위해, 상기 출력을 후처리(post-processing)하는 단계를 포함하고,상기 뉴럴 네트워크는, 전처리된 음향 신호에 존재하는 적어도 하나의 음향 이벤트 별로 서로 다른 임계값(threshold)에 기초하여 최적의 에폭(epoch)에서 조기 종료(early stopping)되도록 학습하는, 음향 이벤트 검출 방법
|
2 |
2
제1항에 있어서,상기 서로 다른 임계값은, 온셋(onset) 또는 오프셋(offset)이 존재하는 강한 라벨(strong label)이 존재하는 경우, 상기 강한 라벨(strong label)의 길이에 기초하여 상기 강한 라벨(strong label)이 존재하는 구간을 분석함으로써 결정되는, 음향 이벤트 검출 방법
|
3 |
3
제1항에 있어서,상기 뉴럴 네트워크는,상기 각각의 음향 이벤트에 따라 서로 다른 임계값에 기초하여, 정확도(accuracy) 또는 손실(loss) 또는 F-score를 모니터링하면서 결정된 최적의 에폭(epoch)에서 조기 종료되도록 학습되는, 음향 이벤트 검출 방법
|
4 |
4
제1항에 있어서,상기 전처리는, 상기 음향 신호를 업 샘플링, 다운 샘플링, 채널 수 변환을 수행하는, 음향 이벤트 검출 방법
|
5 |
5
제1항에 있어서,상기 후처리하는 단계는,시계열 데이터를 모델링하거나 또는 스무딩(smoothing)을 위한 필터링을 적용하는, 음향 이벤트 검출 방법
|
6 |
6
음향 신호를 전처리(pre-processing)하는 단계; 및상기 전처리된 음향 신호에 존재하는 적어도 하나의 음향 이벤트 별로 서로 다른 임계값(threshold)에 기초하여, 최적의 에폭(epoch)에서 조기 종료(early stopping)되도록 뉴럴 네트워크를 학습하는 단계를 포함하는, 뉴럴 네트워크의 학습 방법
|
7 |
7
제6항에 있어서,상기 서로 다른 임계값은, 온셋(onset) 또는 오프셋(offset)이 존재하는 강한 라벨(strong label)이 존재하는 경우, 상기 강한 라벨(strong label)의 길이에 기초하여 상기 강한 라벨(strong label)이 존재하는 구간을 분석함으로써 결정되는, 뉴럴 네트워크의 학습 방법
|
8 |
8
제6항에 있어서,상기 뉴럴 네트워크는,상기 각각의 음향 이벤트에 따라 서로 다른 임계값에 기초하여, 정확도(accuracy) 또는 손실(loss) 또는 F-score를 모니터링하면서 결정된 최적의 에폭(epoch)에서 조기 종료되도록 학습되는, 뉴럴 네트워크의 학습 방법
|
9 |
9
제6항에 있어서,상기 전처리는, 상기 음향 신호를 업 샘플링, 다운 샘플링, 채널 수 변환을 수행하는, 뉴럴 네트워크의 학습 방법
|
10 |
10
하드웨어와 결합되어 제1항 내지 제9항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램
|
11 |
11
음향 이벤트 검출 장치는 프로세서 및 컴퓨터에서 읽을 수 있는 명령어를 포함하는 메모리를 포함하고,상기 명령어가 상기 프로세서에서 실행되면, 상기 프로세서는, 수신한 음향 신호에 학습된 뉴럴 네트워크를 적용하여 상기 음향 신호에 음향 이벤트의 존재 여부를 결정하여 출력하고, 상기 결정의 오차를 줄이기 위해 상기 출력을 후처리(post-processing)하고,상기 뉴럴 네트워크는, 전처리된 음향 신호에 존재하는 적어도 하나의 음향 이벤트 별로 서로 다른 임계값(threshold)에 기초하여 최적의 에폭(epoch)에서 조기 종료(early stopping)되도록 학습하는, 음향 이벤트 검출 장치
|
12 |
12
제11항에 있어서,상기 서로 다른 임계값은, 온셋(onset) 또는 오프셋(offset)이 존재하는 강한 라벨(strong label)이 존재하는 경우, 상기 강한 라벨(strong label)의 길이에 기초하여 상기 강한 라벨(strong label)이 존재하는 구간을 분석함으로써 결정되는, 음향 이벤트 검출 장치
|
13 |
13
제11항에 있어서,상기 뉴럴 네트워크는,상기 각각의 음향 이벤트에 따라 서로 다른 임계값에 기초하여, 정확도(accuracy) 또는 손실(loss) 또는 F-score를 모니터링하면서 결정된 최적의 에폭(epoch)에서 조기 종료되도록 학습되는, 음향 이벤트 검출 장치
|
14 |
14
제11항에 있어서,상기 전처리는, 상기 음향 신호를 업 샘플링, 다운 샘플링, 채널 수 변환을 수행하는, 음향 이벤트 검출 장치
|
15 |
15
제11항에 있어서,상기 후처리하는 단계는,시계열 데이터를 모델링하거나 또는 스무딩(smoothing)을 위한 필터링을 적용하는, 음향 이벤트 검출 장치
|
16 |
16
학습 장치는 프로세서 및 컴퓨터에서 읽을 수 있는 명령어를 포함하는 메모리를 포함하고,상기 명령어가 상기 프로세서에서 실행되면, 상기 프로세서는, 음향 신호를 전처리(pre-processing)하고, 상기 전처리된 음향 신호에 존재하는 적어도 하나의 음향 이벤트 별로 서로 다른 임계값(threshold)에 기초하여, 최적의 에폭(epoch)에서 조기 종료(early stopping)되도록 뉴럴 네트워크를 학습하는,뉴럴 네트워크의 학습 장치
|
17 |
17
제16항에 있어서,상기 서로 다른 임계값은, 온셋(onset) 또는 오프셋(offset)이 존재하는 강한 라벨(strong label)이 존재하는 경우, 상기 강한 라벨(strong label)의 길이에 기초하여 상기 강한 라벨(strong label)이 존재하는 구간을 분석함으로써 결정되는, 뉴럴 네트워크의 학습 장치
|
18 |
18
제16항에 있어서,상기 뉴럴 네트워크는,상기 각각의 음향 이벤트에 따라 서로 다른 임계값에 기초하여, 정확도(accuracy) 또는 손실(loss) 또는 F-score를 모니터링하면서 결정된 최적의 에폭(epoch)에서 조기 종료되도록 학습되는, 뉴럴 네트워크의 학습 장치
|
19 |
19
제16항에 있어서,상기 전처리는, 상기 음향 신호를 업 샘플링, 다운 샘플링, 채널 수 변환을 수행하는, 뉴럴 네트워크의 학습 장치
|