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
- 1) 등록된 음악들에 대해 업로드 하고자 하는 음악의 식별 기능 2) 업로드 하고자 하는 음악이 등록된 음악들 중 하나가 아니어도 등록된 음악들 중 확률값이 가장 큰 음악이 식별 결과로 생성되기 때문에, 식별 결과를 분석하여 등록된 음악들 중 하나인지의 여부를 판별하는 기능. 본 연구에서는 업로드 하고자 하는 음악이 등록된 음악들 중 하나라고 가정하고, 등록된 곡들 중 어느 곡인지를 식별하는 효율적인 방법 구현에 초점을 맞춘다. 기존의 음악 식별 시스템에서는 음악에서 추출한 패턴간의 유사성을 비교하는 방법을 사용했다[1], [2], 이러한 방법은 원본 음악 파일로부터 추출한 패턴과 비교 대상 음악 파일로부터 추출한 패턴의 유사도를 측정하기 때문에 사람에게 동일한 곡으로 인지되는 음악 파일이더라도, 샘플링 레이트(sampling rate), 재생 속도 등에서 차이가 있는 파일에 대해서는 저작권 위반 여부를 판별하기가 힘든 단점을 가지고 있다.
- 존재한다. 따라서 본 논문에서는 원본과 동일한 음악 파일뿐 아니라, 샘플링 레이트 차이 등과 같이 변형된 음악 파일에 대해서도 효과적인 음악 식별 방법을 제안한다. 제안한 방법에서는 '음악 음향 모델'을 구현하기 위해서 '음악 단어',' 음악 음소, 의 개념을 새로이 정의한다.
- 본 논문에서는 파일 공유 시스템에서의 음악 저작권 보호를 위해서 확장성이 뛰어나고, 수치상으로는 다른 패턴이지만 인지적으로 동일한 음악 파일을 정확하게 인식하는 음악 식별 시스템을 제안하고 검증하였다. 음악 음향 모델을 구현하기 위해서 음악 단어, 음악 음소의 개념을 새로이 정의하고, 이 개념을 바탕으로 HMM기반의 음악 식별 시스템을 구현하였다.
가설 설정
- 수집된 1,000곡의 평균 길이가 228초(약 4분)인 점을 감안하고, 초 또는 0.5초 단위로 39차 특징 벡터 값의 군집화 되는 영역이 달라진다고 가정하여 각 음악을 240개 또는 480개의 음악 음소로 구성하였다. 또한 각 음악 음소의 정렬되는 구간 별로 39차 특징.
- 또한 각 음악 음소의 정렬되는 구간 별로 39차 특징.벡터 값이 하나 또는 두 개로 군집화 된다고 가정하고 mixture의 개수를 1개 또는 2개로 달리하여 음악 음향 모델을 구성하였다.<표2>는 이들 음악 음향 모델의 종류를 정리한 내용이다.
- 그러나 파일 공유 시스템에서는 수 만곡 수준에서 식별이 가능하여야 하고, 많은 수의 동시 접속자 수를 고려하였을 때, 인식속도의 개선이 추후 필요하다. 또한 본 연구에서는 각 음악에 대해 1초 또는 0.5초 단위로 특징 벡터의 군집화 특성이 달라진다고 가정하여 이 단위로 음악 음소의 개수를 정의하였다. 추후에는 인식률과 인식 속도 향상을 위하여 각 곡의 특성에 맞는 음악 음소의 정의를 찾고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.