DNN을 이용한 오디오 이벤트 검출 성능 비교

• 영문명: Comparison of Audio Event Detection Performance using DNN
• 발행기관: 한국전자통신학회
• 저자명: 정석환(Suk Hwan Chung) 정용주(Yong Joo Chung)
• 간행물 정보: 『한국전자통신학회 논문지』제13권 제3호, 571~577쪽, 전체 7쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2018.06.30

국문 초록

최근 딥러닝 기법이 다양한 종류의 패턴 인식에 있어서 우수한 성능을 보이고 있다. 하지만 소규모의 훈련데이터를 이용한 분류 실험에 있어서 전통적으로 사용되던 머신러닝 기법에 비해서 DNN의 성능이 우수한지에 대해서는 다소 간의 논란이 있어 왔다. 본 연구에서는 오디오 검출에 있어서 전통적으로 사용되어 왔던 GMM, SVM의 성능과 DNN의 성능을 비교하였다. 동일한 데이터에 대해서 인식실험을 수행한 결과, 전반적인 성능은 DNN이 우수하였으나 세그먼트 기반의 F-score에서 SVM이 DNN에 비해 우수한 성능을 보임을 알 수 있었다.

영문 초록

Recently, deep learning techniques have shown superior performance in various kinds of pattern recognition. However, there have been some arguments whether the DNN performs better than the conventional machine learning techniques when classification experiments are done using a small amount of training data. In this study, we compared the performance of the conventional GMM and SVM with DNN, a kind of deep learning techniques, in audio event detection. When tested on the same data, DNN has shown superior overall performance but SVM was better than DNN in segment-based F-score.

목차

요약

ABSTRACT

Ⅰ. 서론

Ⅱ. 특징 추출

Ⅲ. 인식기 구조

Ⅳ. 실험결과

Ⅴ. 결론

References

저자소개

키워드

피드포워드 뉴럴 네트워크 가우시안 믹스쳐 모델 기계 학습 서포트 벡터 머신 Feedforward Neural Network Gaussian Mixture Model Machine Learning Support Vector Machine