선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 이러한 성공률의 편차를 극복하고 안정적인 성능을 낼 수 있는 시스템 구축을 위하여 논문 [14] 에서 제안한 MFC(Multi Feature Clustering) 기법을도입하여 음악질의의 위치와 질의 길이에 상관없이 안정적인 성공률을 보여 줄 수 있는 시스템을 구축하였다. MFC는 음악 파일의 시작부분부터 끝부분까지 순차적으로 특징벡터를 추출한 후 K-Means클러스터링 알고리즘을 사용하여 최종적으로 1개의 음악 파일 당 4개의 특징벡터열을 만들어 음악 메타데이터 DB를 구축하며 음악 장르 분류에 사용한다.
- 수행한 바 있다. 본 논문에서는 지능형 오디오 그래픽 이퀄라이저 시스템으로 응용 분야는 다르지만 내용 기반 장르 분류 시 기존의 MFC 기술을 이용하여 보다 짧은 질의를 이용하면서도 정확도를 높일 수 있는 시스템을 구축하였다.
- 본 연구에서는 내용기반 음악 장르 분류 기술을 이용하여 지능형 그래픽 이퀄라이저 시스템을 제안하였다. 제안된 시스템은 우선 입력 음악으로부터 특징 벡터를 추출하고 이를 바탕으로 특징벡터에 대한 패턴인식 훈련과정을 거쳐 각 음악의 장르 범주를 정해 주며, 새로운 음악 데이터가 입력 될 경우 미리 구축되어 있는 DB와 비교하여 가장 유사한 음악 장르를 결정한다.
- 본 연구에서는 내용기반 음악장르분류 시스템을 이용하여 자동으로 각 음악 장르에 맞는 이퀄라이저를 적용하여 주는 시스템을 제안하였다.
- 본 연구에서는 실제적인 시스템 구축을 고려하여, 최대한 짧은 시간 안에 정확히 음악 장르를 분류하여 음악 특색에 맞는 이퀄라이저를 적용할 수 있는 방법에 주목하였다. 초기 음악 재생 도중 이퀄라이저 적용에 의한 갑작스런 음색 변화를 완화하기위하여 Coarse Level, Fine Level의 2단계 장르분류 절차를 거치면서 각 단계별 이퀄라이저를 적용 하였다.
- 본 연구의 목표는 지능형 그래픽 이퀄라이저 알고리즘을 구현 하고, 이를 비주얼 C++을 이용하여 소프트웨어로 구현하는 것이다. 이를 위하여 이전 장의 결과를 토대로 시스템 구동 방식을 그림 5와 같이 결정하였다.
- 본 연구팀은 이전 논문 [14]에서 내용기반 장르 분류 및 검색 시스템을 구축할 때, 보다 강인한 시스템 구축을 위 한 MFC (Multi-Feature Clustering) 기술에 관련된 연구를 수행한 바 있다. 본 논문에서는 지능형 오디오 그래픽 이퀄라이저 시스템으로 응용 분야는 다르지만 내용 기반 장르 분류 시 기존의 MFC 기술을 이용하여 보다 짧은 질의를 이용하면서도 정확도를 높일 수 있는 시스템을 구축하였다.
- Coarse level분류 단계에서는 음악의 4개 장르를 비교적 음색 특징이 유사한 두 개 장르 (Classic & Jazz, Hiphop & Rock)로 구성하여 질의 음악을 분류하고 이퀄라이저의 평균 gain 값을 적용함으로써 최종적으로 fine lev이의 이퀄라이저가 적용될 때까지 자연스러운 음색의 변화를 유도하는 효과를 얻을 수 있다. 이러한 시스템■■특성을 얻어 내기 위하여 Coarse level의 분류는 질의 음악 데이터의 길이가 3초 미만이면서 약 &)%의 성공률을 얻을 수 있는 지점을 찾아내는 것을 목표로 하였다. 2단계 Fine level 분류기에서는 이를 세분화하여 질의 음악의 해당 4개 장르를 각각 분류 하였으며, 질의 시간이 7초미만 일 때 80% 이상의 성공률을 보이는 지점으로 선정하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.