맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

음향 장면 분류 방법 및 음향 장면 분류를 위한 학습 방법

  • 기술번호 : KST2023010889
  • 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 보다 향상된 음향 장면 분류 성능을 제공하는 음향 장면 분류 방법 및 음향 장면 분류를 위한 학습 방법이 개시된다. 개시된 음향 장면 분류를 위한 학습 방법은 제1인공 신경망을 이용하여, 훈련용 음향 데이터에 대한 특징맵을 생성하는 단계; 상기 특징맵을 제2인공 신경망에 입력하여, 상기 훈련용 음향 데이터를 미리 라벨링된 복수의 음향 장면 클래스 중 하나로 분류하는 다중 분류를 수행하는 단계; 상기 특징맵을 제3인공 신경망에 입력하여, 상기 훈련용 음향 데이터가 상기 복수의 음향 장면 클래스 각각에 해당하는지 여부를 판단하는 이진 분류를 수행하는 단계; 및 상기 다중 분류 및 이진 분류에 대한 분류값을 이용하여, 상기 제1 내지 제3인공 신경망에 대한 학습을 수행하는 단계를 포함한다.
Int. CL G10L 25/30 (2013.01.01) G10L 25/51 (2013.01.01) G10L 21/0272 (2013.01.01) G10L 25/18 (2013.01.01) G06N 3/08 (2023.01.01) G06F 18/00 (2023.01.01)
CPC G10L 25/30(2013.01) G10L 25/51(2013.01) G10L 21/0272(2013.01) G10L 25/18(2013.01) G06N 3/08(2013.01) G06F 18/2413(2013.01)
출원번호/일자 1020220071320 (2022.06.13)
출원인 한양대학교 산학협력단
등록번호/일자 10-2608565-0000 (2023.11.28)
공개번호/일자
공고번호/일자 (20231130) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2022.06.13)
심사청구항수 5

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 장준혁 서울특별시 성동구
2 최원국 서울특별시 성동구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 민영준 대한민국 서울특별시 강남구 남부순환로 ****, *층(도곡동, 차우빌딩)(맥스국제특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한양대학교 산학협력단 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		 2022.06.13 수리 (Accepted) 1-1-2022-0612346-77
2 [우선심사신청]심사청구서·우선심사신청서
 2022.06.13 수리 (Accepted) 1-1-2022-0612480-87
3 [우선심사신청]선행기술조사의뢰서
[Request for Preferential Examination] Request for Prior Art Search		 2022.06.18 수리 (Accepted) 9-1-9999-9999999-89
4 [우선심사신청]선행기술조사보고서
[Request for Preferential Examination] Report of Prior Art Search		 2022.06.29 수리 (Accepted) 9-1-2022-0009315-37
5 의견제출통지서
Notification of reason for refusal		 2023.01.02 발송처리완료 (Completion of Transmission) 9-5-2023-0007995-34
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2023.02.27 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2023-0223272-18
7 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2023.02.27 수리 (Accepted) 1-1-2023-0223285-01
8 거절결정서
Decision to Refuse a Patent		 2023.05.26 발송처리완료 (Completion of Transmission) 9-5-2023-0481503-91
9 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2023.08.08 수리 (Accepted) 1-1-2023-0871973-71
10 [명세서등 보정]보정서(재심사)
Amendment to Description, etc(Reexamination)		 2023.08.08 보정승인 (Acceptance of amendment) 1-1-2023-0871860-10
11 등록결정서
Decision to Grant Registration		 2023.09.13 발송처리완료 (Completion of Transmission) 9-5-2023-0837896-13
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
컴퓨팅 장치에 의해 수행되는, 음향 장면 다중 분류를 위한 학습 방법에 있어서,제1인공 신경망을 이용하여, 훈련용 음향 데이터에 대한 특징맵을 생성하는 단계;상기 특징맵을 제2인공 신경망에 입력하여, 상기 훈련용 음향 데이터를 미리 라벨링된 복수의 음향 장면 클래스 중 하나로 분류하는 다중 분류를 수행하는 단계;상기 특징맵을 제3인공 신경망에 입력하여, 상기 훈련용 음향 데이터가 상기 복수의 음향 장면 클래스 각각에 해당하는지 여부를 판단하는 이진 분류를 수행하는 단계; 및상기 다중 분류 및 이진 분류에 대한 분류값을 이용하여, 상기 제1 내지 제3인공 신경망에 대한 학습을 수행하는 단계를 포함하며,상기 제1 및 제2인공 신경망은, 음향 장면 분류에 이용되며, 상기 제3인공 신경망은 상기 음향 장면 분류에 이용되지 않는음향 장면 다중 분류를 위한 학습 방법
2 2
제 1항에 있어서,상기 훈련용 음향 데이터는미리 설정된 시간 간격으로 분할된 음향 데이터의 로그-멜 스펙트로그램인음향 장면 다중 분류를 위한 학습 방법
3 3
제 2항에 있어서,상기 제1인공 신경망은, CNN이며,상기 제2인공 신경망은, RNN이며,상기 특징맵을 생성하는 단계는CNN 채널 수 축, 주파수 축 및 시간 축에 의해 정의되는 3차원 데이터인 상기 특징맵을 생성하고, 상기 특징맵을 2차원 데이터로 변환하는음향 장면 다중 분류를 위한 학습 방법
4 4
제 1항에 있어서,상기 제1 내지 제3인공 신경망에 대한 학습을 수행하는 단계는상기 다중 분류에 대한 분류값 및 상기 훈련용 음향 데이터에 대한 정답값을 크로스 엔트로피 손실함수에 적용하여, 제1손실값을 생성하고,상기 이진 분류에 대한 분류값 및 상기 훈련용 음향 데이터에 대한 정답값을 바이너리 크로스 엔트로피 손실함수에 적용하여 제2손실값을 생성하며,상기 제1 및 제2손실값의 합이 최소가 되도록 학습을 수행하는음향 장면 다중 분류를 위한 학습 방법
5 5
컴퓨팅 장치에 의해 수행되는, 음향 장면 다중 분류 방법에 있어서,타겟 음향 데이터를 입력받는 단계; 및미리 학습된 음향 장면 분류 모델을 이용하여, 상기 타겟 음향 데이터를 미리 라벨링된 복수의 음향 장면 클래스 중 하나로 분류하는 단계를 포함하며,상기 음향 장면 분류 모델은,상기 타겟 음향 데이터에 대한 특징맵을 생성하는 제1인공 신경망;상기 특징맵을 이용하여, 상기 타겟 음향 데이터를 상기 복수의 음향 장면 클래스 중 하나로 분류하는 제2인공 신경망; 및학습 과정에서, 훈련용 음향 데이터에 대한 특징맵을 이용하여, 상기 훈련용 음향 데이터가 상기 복수의 음향 장면 클래스 각각에 해당하는지 여부를 판단하며, 음향 장면 분류 과정에서 이용되지 않는 제3인공 신경망을 포함하는 음향 장면 다중 분류 방법
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.