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
- 이렇게 만들어진 해시 워드 및 해시 블록은 시간 축에 따라 높은 상관관계를 가진다. MLH와의 차이는 DCT 계수에 의해 다중으로 구성되는 LUT를 구성하지 않고 단일 LUT를 구성하여 MLH 방식의 단점인 검색 속도 저하를 보완하고자 하였다.
- 이와 같은 특징은 만들어진 핑거프린트 해시 워드가 데이터베이스 검색 시에 동일 음악의 인접 위치에 다수 분포하게 되는 특성을 나타내게 한다. 따라서 본 논문에서는 음원에서 근접거리에 매칭되는 다수의 핑거프린트를 제거하는 중복성 제거 필터와 시간적으로 연속 분포하는 핑거프린트를 제거하는 연속성 제거 필터를 구성하여 검색 속도 개선을 한다.
- 본 논문에서 제안하는 알고리즘은 일반적인 환경에서 취득되는 음악을 대상으로 해시 워드의 특징 추출 측면에서 강인한 특성을 보이고, 음악 검색 서비스에 적용하기 위하여 검색 결과 응답이 실시간 검색 기능을 확보하는 방법을 제시하고자 한다. 음악의 특성을 추출하는 방식에서 해시 워드를 사용하는 PRH 방식의 단점인 잡음의 취약한 점과 이의 대안으로 제시된 MLH 방식에서 LUT 테이블의 증가로 인한 단점인 시스템의 간결성 부족을 개선하고자 하였다.
- 테스트 중에 질의 음악이 검색하고자 하는 음악이지만 임계치를 조심씩 넘어서면서 연속적으로 똑같은 음악 번호를 가지는 경우가 발생한다. 본 논문에서는 검색 속도를 높이기 위하여 이와 같은 경우에 검색하고자 하는 콘텐츠로 판정한다.
- 본 논문은 실시간으로 주어지는 음악 검색을 위해 강인한 음악 특징을 추출하고 빠른 대용량 데이터베이스 검색을 하는 핑거프린트 시스템을 제안한다. 음악 신호 분석에 의한 핑거프린트 시스템은 인간의 지문과 같이 음악이 가지는 고유한 값을 음악의 특징으로 사용하여 데이터 압축 및 색인을 만들고, 이를 이용하여 대용량 데이터베이스의 음악에서 효율적으로 음악 검색을 하고자 한다.
- 본 논문에서 제안하는 알고리즘은 일반적인 환경에서 취득되는 음악을 대상으로 해시 워드의 특징 추출 측면에서 강인한 특성을 보이고, 음악 검색 서비스에 적용하기 위하여 검색 결과 응답이 실시간 검색 기능을 확보하는 방법을 제시하고자 한다. 음악의 특성을 추출하는 방식에서 해시 워드를 사용하는 PRH 방식의 단점인 잡음의 취약한 점과 이의 대안으로 제시된 MLH 방식에서 LUT 테이블의 증가로 인한 단점인 시스템의 간결성 부족을 개선하고자 하였다. 음악 특성 추출은 MLH 방식과 동일하게 FFT와 DCT를 사용하여 잡음에 강인한 특성을 가진 핑거프린트들을 구성하였다.
- 따라서 사전 검색 시 사용되는 핑거프린트 후보가 증가하여 결과적으로 인식 속도에 불리한 측면이 발생된다[5]. 이에 본 논문은 잡음에 강인한 오디오 특징을 만들기 위하여 DCT을 적용하여 오디오 핑거프린트를 만들고[6][7], 빠른 대용량 데이터베이스 검색을 위한 매칭 필터를 다중으로 구성하여 검색 및 매칭 속도를 향상하고자 한다.
가설 설정
- 해시 워드가 다수 음악의 여러 위치들에 매칭되어 있을 수 있도록 노래에 대한 링크드 리스트(Linked list)로 저장된다. 매칭 방법은 단일 해시 워드가 비트 에러들을 갖지 않는다고 가정한다. 데이터베이스의 LUT에 존재하는지 판단하며 해시 블록 간 비교를 통해 검색이 이루어진다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.