1 |
1
컨볼루션 레이어, 입력 캡슐 레이어 및 출력 캡슐 레이어로 구성되는 캡슐 네트워크를 구성하는 단계;다수의 주 명령어, 다수의 보조 명령어, 다수의 배경 잡음으로 구성된 음성 명령어 데이터 세트를 획득 및 저장하는 단계;상기 음성 명령어 데이터 세트를 기반으로 음성 데이터와 명령어간 상관 관계가 정의된 학습 데이터 다수개를 추출하는 단계; 상기 학습 데이터 각각을 기반으로 상기 캡슐 네트워크를 반복적으로 훈련하면서 상기 캡슐 네트워크의 컨볼루션 레이어의 커널 크기, 디코더 네트워크의 존재 여부, 캡슐 채널, 입력 캡슐 벡터 길이, 출력 캡슐 벡터 길이 중 적어도 하나를 조정한 후, 상기 학습 데이터를 통해 상기 캡슐 네트워크를 반복 학습시키는 단계; 및 음성 인식이 요청되면, 상기 캡슐 네트워크를 이용하여 입력 음성에 대응되는 음성 명령어를 인식 및 출력하는 단계를 포함하는 캡슐 네트워크를 이용한 종단간 음성 단어 인식 방법
|
2 |
2
제1항에 있어서, 상기 캡슐 네트워크는 스트라이드 1과 a(a는 자연수)의 크기 및 b(b는 자연수)개의 채널을 가지는 커널을 통해 입력 데이터를 컨볼루션하고, 스트라이드 2와 캡슐 채널과 입력 벡터 길이의 곱에 대응되는 채널 개수로 일괄 컨볼루션한 후 캡슐화하여 상기 입력 캡슐 레이어를 생성하는 컨볼루션 레이어를 포함하는 것을 특징으로 하는 캡슐 네트워크를 이용한 종단간 음성 단어 인식 방법
|
3 |
3
제2항에 있어서, 상기 캡슐 네트워크는 동의에 의한 라우팅 알고리즘을 통해 상기 입력 캡슐 레이어에서 출력 캡슐을 산출하는 것을 특징으로 하는 캡슐 네트워크를 이용한 종단간 음성 단어 인식 방법
|
4 |
4
제2항에 있어서, 상기 출력 캡슐 레이어는주 명령어 개수와 보조 명령어 개수와 동일한 캡슐 개수를 가지는 것을 특징으로 하는 캡슐 네트워크를 이용한 종단간 음성 단어 인식 방법
|
5 |
5
제1항에 있어서, 상기 캡슐 네트워크를 반복 학습시키는 단계는파라미터 수, 클린 환경에서의 에러율, 및 잡음 환경 에러율 중 적어도 하나를 기반으로 상기 캡슐 네트워크의 음성 인식 성능을 평가하고, 상기 음성 인식 성능 기반으로 최적의 컨볼루션 레이어의 커널 크기, 디코더 네트워크의 존재 여부, 캡슐 채널, 입력 캡슐 벡터 길이, 출력 캡슐 벡터 길이를 결정하는 특징으로 하는 캡슐 네트워크를 이용한 종단간 음성 단어 인식 방법
|
6 |
6
컨볼루션 레이어, 입력 캡슐 레이어 및 출력 캡슐 레이어로 구성되는 캡슐 네트워크; 다수의 주 명령어, 다수의 보조 명령어, 다수의 배경 잡음으로 구성된 음성 명령어 데이터 세트를 저장하는 데이터베이스;상기 음성 명령어 데이터 세트를 기반으로 음성 데이터와 명령어간 상관 관계가 정의된 학습 데이터 다수개를 추출한 후, 상기 학습 데이터 각각을 이용하여 상기 캡슐 네트워크를 반복적으로 훈련하면서 상기 캡슐 네트워크의 컨볼루션 레이어의 커널 크기, 디코더 네트워크의 존재 여부, 캡슐 채널, 입력 캡슐 벡터 길이, 출력 캡슐 벡터 길이 중 적어도 하나를 조정한 후, 상기 학습 데이터를 통해 상기 캡슐 네트워크를 반복 학습시키는 캡슐 네트워크 구축 및 학습부; 및 음성 인식이 요청되면, 상기 캡슐 네트워크를 이용하여 입력 음성에 대응되는 음성 명령어를 인식 및 출력하는 음성 인식부를 포함하는 캡슐 네트워크를 이용한 종단간 음성 단어 인식 장치
|