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 오디오 신호에서 정보를 가지고 있는 음성을 추출하는 음성/음악 분류기에 대해 다루었다. 음성/음악 분류기에서는 멜캡스트럼, 에너지, 영교차를 특징 파라미터로 사용하였다.
제안 방법
- 각각의 영교차 특징들의 연속적인 5개 프레임 구간에 대해서 델타를 적용하였다. 영교차율을 제외한 나머지 특징들은 음성/음악 분류기가 레벨 정보에 의존하여 분류하는 것을 방지하기 위해서 정규화를 적용하였다.
- 각각의 영교차 특징들의 연속적인 5개 프레임 구간에 대해서 델타를 적용하였다. 영교차율을 제외한 나머지 특징들은 음성/음악 분류기가 레벨 정보에 의존하여 분류하는 것을 방지하기 위해서 정규화를 적용하였다.
- 데이터베이스는 1시간씩 총 3회 분량의 공중파방송 뉴스와 대중가요, 음악자료를 사용하여 수작업으로 음성, 음악, 음성+음악으로 분류하였다.
- 데이터베이스는 1시간씩 총 3회 분량의 공중파방송 뉴스와 대중가요, 음악자료를 사용하여 수작업으로 음성, 음악, 음성+음악으로 분류하였다.
- 영교차는 계산비용 대 효율비가 좋은 특징 파라미터이다. 본 실험에서는 영교차를 기반으로 하는 4가지 특징 파라미터들 (영교차율, 영교차율 변화량의 표준편차, 영교차 평균 상하값들간의 차, 영교차율의 삼차 모멘트)을 적용하였다 [2, 4],
- 영교차는 계산비용 대 효율비가 좋은 특징 파라미터이다. 본 실험에서는 영교차를 기반으로 하는 4가지 특징 파라미터들 (영교차율, 영교차율 변화량의 표준편차, 영교차 평균 상하값들간의 차, 영교차율의 삼차 모멘트)을 적용하였다 [2, 4],
- 분류 알고리즘은 GMM을 사용하였으며, GMM의 mixture는 16, 32, 64를 일률적으로 적용하였다. 음성/음악 분류기는 오디오 신호를 3가지 (음성, 음악, 음성+음악)와 2가지 (음성, 음악)로 분류하였다.
- 분류 알고리즘은 GMM을 사용하였으며, GMM의 mixture는 16, 32, 64를 일률적으로 적용하였다. 음성/음악 분류기는 오디오 신호를 3가지 (음성, 음악, 음성+음악)와 2가지 (음성, 음악)로 분류하였다.
- 에너지의 특징 파라미터로는 로그 에너지와 델타 로그 에너지를 사용하였다. 에너지는 음성/음악 분류기가 레벨 정보에 의해 분류하는 것을 방지하기 위해서 정규화를 적용하였다.
- 에너지의 특징 파라미터로는 로그 에너지와 델타 로그 에너지를 사용하였匸h 에너지 는 음성/음악 분류기가 레벨 정보에 의해 분류하는 것을 방지하기 위해서 정규화를 적용하였다.
- 한 프레임의 크기는 25ms이며, 25ms의 윈도우를 10ms씩 이동시켜가면서 파라미터를 추출하였다. 연속적인 5개 프레임 구간에 대해서 델타 함수를 적용하였다. 특징 파라미터로는 12개의 멜캡스트럼 계수들과 12개의 델타 멜캡스트럼 계수를 사용하였다.
- 오디오 신호는 8kHz로 샘플링 되었다, 프레임은 25ms 의 길이를 가지며, 25ms의 윈도우를 10ms씩 이동시켜가면서 파라미터를 추출하였다. 연속적인 5개 프레임 구간에 대해서 델타를 적용하였다. 에너지의 특징 파라미터로는 로그 에너지와 델타 로그 에너지를 사용하였다.
- 음성 데이터베이스는 3가지 분류기준 (무소음시, 배경소음 존재시, 타 화자의 음성 혼재시)을 적용하여 구성하였다. 음악 데이터베이스는 뉴스와 대중가요에서 3가지 분류기준 (발라드, 락, 클래식)을 적용하여 구성하였다.
- 음성 데이터베이스는 3가지 분류기준 (무소음시, 배경소음 존재시, 타 화자의 음성 혼재시)을 적용하여 구성하였다. 음악 데이터베이스는 뉴스와 대중가요에서 3가지 분류기준 (발라드, 락, 클래식)을 적용하여 구성하였다.
- 음성+음악 데이터베이스는 뉴스와 대중가요에서 3가지 분류기준( 발라드+음성, 락+음성, 클래식+음성)을 적용하여 구성하였다.
- 음악 데이터베이스는 뉴스와 대중가요에서 3가지 분류기준 (발라드, 락, 클래식)을 적용하여 구성하였다. 음성+음악 데이터베이스는 뉴스와 대중가요에서 3가지 분류기준（ 발라드+음성, 락+음성, 클래식+음성）을 적용하 여 구성하였다.
- 음성/음악 분류는 GMM을 이용하였다. 음성/음악 분류기에서는 오디오 신호를 3가지(음성, 음악, 음성+음악)와 2가지(음성, 음악)로 분류하였다.
- 음성/음악 분류는 GMM을 이용하였다. 음성/음악 분류기에서는 오디오 신호를 3가지(음성, 음악, 음성+음악)와 2가지(음성, 음악)로 분류하였다.
- 음성/음악 분류는 GMM을 이용하였다. 음성/음악 분류기에서는 오디오 신호를 3가지(음성, 음악, 음성+음악)와 2가지(음성, 음악)로 분류하였다.
- 음성 데이터베이스는 3가지 분류기준 (무소음시, 배경소음 존재시, 타 화자의 음성 혼재시)을 적용하여 구성하였다. 음악 데이터베이스는 뉴스와 대중가요에서 3가지 분류기준 (발라드, 락, 클래식)을 적용하여 구성하였다. 음성+음악 데이터베이스는 뉴스와 대중가요에서 3가지 분류기준（ 발라드+음성, 락+음성, 클래식+음성）을 적용하 여 구성하였다.
- 음성 데이터베이스는 3가지 분류기준 (무소음시, 배경소음 존재시, 타 화자의 음성 혼재시)을 적용하여 구성하였다. 음악 데이터베이스는 뉴스와 대중가요에서 3가지 분류기준 (발라드, 락, 클래식)을 적용하여 구성하였다. 음성+음악 데이터베이스는 뉴스와 대중가요에서 3가지 분류기준（ 발라드+음성, 락+음성, 클래식+음성）을 적용하 여 구성하였다.
- 이 중 음성 +음악 데이터베이스 중 9개는 대중가요에서 나머지 9개는 실제 뉴스에서 주출하였다. 차후 2가지 분류항목 적용시 뉴스에서 추출한 신호 9개는 음성으로 대중가요에서 추출한 신호 9개는 음악으로 분류하였다.
- 이 중 음성 +음악 데이터베이스 중 9개는 대중가요에서 나머지 9개는 실제 뉴스에서 주출하였다. 차후 2가지 분류항목 적용시 뉴스에서 추출한 신호 9개는 음성으로 대중가요에서 추출한 신호 9개는 음악으로 분류하였다.
- 오디오 신호의 분류항목 결정은 각 분류항목별 트레인 DB에 대해 Expectation Maximum（EM）알고리즘을 적용하여 트레인을 한 GMM의 결과값을 입력 오디오 신호에 대웅시켜 그 중 최대의 확률을 가지는 것을 선택하였다. 테스트는 각각의 특징에 대해 동일한 3가지 Mixture(16, 32, 64)를 적용하였다.
대상 데이터
- 실험을 위한 데이터베이스는 음성, 음악, 음성+음악으로 구성되었다. 전체적으로 8kHz의 샘플링 주파수를 적용하였다.
- 실험을 위한 데이터베이스는 음성, 음악, 음성+음악으로 구성되었다. 전체적으로 8kHz의 샘플링 주파수를 적용하였다.
- 연속적인 5개 프레임 구간에 대해서 델타를 적용하였다. 에너지의 특징 파라미터로는 로그 에너지와 델타 로그 에너지를 사용하였다. 에너지는 음성/음악 분류기가 레벨 정보에 의해 분류하는 것을 방지하기 위해서 정규화를 적용하였다.
- 오디오 신호는 8kHz로 샘플링 되었고, 26개의 필터로 구성된 필터뱅크를 이용하여 필터링을 실시하였다. 이때 필터뱅크는 멜 특성을 가진다.
- 에너지는 계산비용이 저렴한 특징 파라미터이다. 오디오 신호는 8kHz로 샘플링 되었다, 프레임은 25ms 의 길이를 가지며, 25ms의 윈도우를 10ms씩 이동시켜가면서 파라미터를 추출하였다. 연속적인 5개 프레임 구간에 대해서 델타를 적용하였다.
- 오디오 신호는 8kHz로 샘플링 되었다. 한 프레임은 25ms의 길이를 가지며, 25ms의 윈도우를 10ms씩 이동시 켜가면서 파라미터를 추출하였다.
- 오디오 신호는 8kHz로 샘플링 되었고, 26개의 필터로 구성된 필터뱅크를 이용하여 필터링을 실시하였다. 이때 필터뱅크는 멜 특성을 가진다.
- 음성 트레인 데이터베이스는 3개 뉴스에서 각각 평균 1분의 30개 신호씩 총 90개 신호, 음악 트레인 데이터베 이스는 평균 45초의 36개 신호, 음성+음악 트레인 데이터베이스는 평균 30초의 37개 신호로 구성되어 있다.
- 음성 트레인 데이터베이스는 3개 뉴스에서 각각 평균 1분의 30개 신호씩 총 90개 신호, 음악 트레인 데이터베 이스는 평균 45초의 36개 신호, 음성+음악 트레인 데이터베이스는 평균 30초의 37개 신호로 구성되어 있다.
- 테스트 데이터베이스는 3개 뉴스에서 평균 1분의 음성신호 82개, 평균 45초의 음악신호 21개, 평균 45초의 음성+음악신호 18개의 신호를 사용하였다. 이 중 음성 +음악 데이터베이스 중 9개는 대중가요에서 나머지 9개는 실제 뉴스에서 주출하였다.
- 테스트 데이터베이스는 3개 뉴스에서 평균 1분의 음성신호 82개, 평균 45초의 음악신호 21개, 평균 45초의 음성+음악신호 18개의 신호를 사용하였다. 이 중 음성 +음악 데이터베이스 중 9개는 대중가요에서 나머지 9개는 실제 뉴스에서 주출하였다.
- 연속적인 5개 프레임 구간에 대해서 델타 함수를 적용하였다. 특징 파라미터로는 12개의 멜캡스트럼 계수들과 12개의 델타 멜캡스트럼 계수를 사용하였다.
이론/모형
- 음성/음악 분류기에서 사용되는 분류 알고리즘으로는 GMM을 사용하였다[1].
- 음성/음악 분류는 GMM을 이용하였다. 음성/음악 분류기에서는 오디오 신호를 3가지(음성, 음악, 음성+음악)와 2가지(음성, 음악)로 분류하였다.
성능/효과
- 3가지 분류항목 적용시에는 음성+음악의 분류능력은 타 특징들에 비해 양호한 것으로 나타났으나 음악의 분류능력은 가장 낮은 것으로 나타났다. 2가지 분류항목 적용시에는 음성의 분류능력에서는 양호한 결과를 나타내고 있으나, 음악의 분류능력은 타 특징들에 비해 현저히 낮았다.
- 3가지 분류항목 적용시에는 음성+음악의 분류능력은 타 특징들에 비해 양호한 것으로 나타났으나 음악의 분류능력은 가장 낮은 것으로 나타났다. 2가지 분류항목 적용시에는 음성의 분류능력에서는 양호한 결과를 나타내고 있으나, 음악의 분류능력은 타 특징들에 비해 현저히 낮았다.
- 3가지 분류항목 적용시에는 음성+음악의 분류능력은 타 특징들에 비해 양호한 것으로 나타났으나 음악의 분류능력은 가장 낮은 것으로 나타났다. 2가지 분류항목 적용시에는 음성의 분류능력에서는 양호한 결과를 나타내고 있으나, 음악의 분류능력은 타 특징들에 비해 현저히 낮았다.
- 결과를 살펴보면 2가지 분류항목 적용시 음성과 음악 모두에서 양호한 분류결과를 보였다. 3가지 분류항목 적용시에는 타 특징에 비해 음악의 분류능력이 가장 우수한 것으로 나타났다. 이에 반해 음성+음악의 분류능력은 타 특징에 비해 가장 떨어지는 것으로 나타났다.
- 3가지 분류항목 적용시에는 음성+음악의 분류능력은 타 특징들에 비해 양호한 것으로 나타났으나 음악의 분류능력은 가장 낮은 것으로 나타났다. 2가지 분류항목 적용시에는 음성의 분류능력에서는 양호한 결과를 나타내고 있으나, 음악의 분류능력은 타 특징들에 비해 현저히 낮았다.
- 결과를 살펴보면 2가지 분류항목 적용시 음성과 음악 모두에서 양호한 분류결과를 보였다. 3가지 분류항목 적용시에는 타 특징에 비해 음악의 분류능력이 가장 우수한 것으로 나타났다. 이에 반해 음성+음악의 분류능력은 타 특징에 비해 가장 떨어지는 것으로 나타났다.
- 음악은 다른 특징 파라미터에 비해서 비교적 변화가 급격하지 않은 모습을 볼 수 있었다. 각 특징 파라미터들의 분류항목별 특징변화를 살펴보면 특징값들의 평균은 비슷한 반면, 그 값들의 변화는 분류항목별로 현격한 차이를 보이는 것을 알 수 있다. 이는 특징 파라미터들의 수치보다는 그 수치들의 변화가 분류에 큰 영향을 끼친다는 것을 의미한다.
- 음악은 다른 특징 파라미터에 비해서 비교적 변화가 급격하지 않은 모습을 볼 수 있었다. 각 특징 파라미터들의 분류항목별 특징변화를 살펴보면 특징값들의 평균은 비슷한 반면, 그 값들의 변화는 분류항목별로 현격한 차이를 보이는 것을 알 수 있다. 이는 특징 파라미터들의 수치보다는 그 수치들의 변화가 분류에 큰 영향을 끼친다는 것을 의미한다.
- 결과를 살펴보면 2가지 분류항목 적용시 음성과 음악 모두에서 양호한 분류결과를 보였다. 3가지 분류항목 적용시에는 타 특징에 비해 음악의 분류능력이 가장 우수한 것으로 나타났다.
- 결과를 살펴보면 2가지 분류항목 적용시 음성과 음악 모두에서 양호한 분류결과를 보였다. 3가지 분류항목 적용시에는 타 특징에 비해 음악의 분류능력이 가장 우수한 것으로 나타났다.
- 그림 1은 각 분류항목별 멜캡스트럼 변화를 나타낸 것으로 12개의 멜캡스트럼 계수값 중 각 분류항목의 특징을 가장 잘 나타낼 수 있는 2개의 계수값(1,2번째 계수) 을 선별하여 나타내었다. 계수값들의 변화를 살펴보면 음성, 음성+음악, 음악 순으로 격렬한 변화를 관찰할 수 있었다. 전체 12개의 계수값에서는 음성과 음성+음악의 계수값의 변화가 비슷한 면을 보였으며 음악은 다른 분류항목에 비해 계수값의 변화폭이 적었다.
- 그림 1은 각 분류항목별 멜캡스트럼 변화를 나타낸 것으로 12개의 멜캡스트럼 계수값 중 각 분류항목의 특징을 가장 잘 나타낼 수 있는 2개의 계수값(1,2번째 계수) 을 선별하여 나타내었다. 계수값들의 변화를 살펴보면 음성, 음성+음악, 음악 순으로 격렬한 변화를 관찰할 수 있었다. 전체 12개의 계수값에서는 음성과 음성+음악의 계수값의 변화가 비슷한 면을 보였으며 음악은 다른 분류항목에 비해 계수값의 변화폭이 적었다.
- 에너지는 3가지 분류항목을 적용하였을 경우 64 mixture에서, 2 가지 분류항목을 적용하였을 경우 32 mixture에서 가장 좋은 결과를 나타내었다. 분류 결과에 의하면 에너지는 타 특징에 비해 음악에 대한 분류능력이 현저히 낮았다.
- 실험결과 3가지 분류항목 적용시에는 16 Mixture에서, 2가지 분류항목 적용시에는 모든 Mixture에서의 결과가 양호하였다. 멜갭스트럼은 에너지 특징 파라미터에 비해 음악 분류에 있어서 3가지 분류항목 적용시의 결과가 좋지 않았다.
- 음성/음악 분류기는 오디오 신호를 3가지 (음성, 음악, 음성+음악)와 2가지 (음성, 음악)로 분류하였다. 실험결과 특징 파라미터 중 멜캡스트럼이 가장 좋은 결과를 보였다.
- 실험결과 3가지 분류항목 적용시에는 16 Mixture에서, 2가지 분류항목 적용시에는 모든 Mixture에서의 결과가 양호하였다. 멜갭스트럼은 에너지 특징 파라미터에 비해 음악 분류에 있어서 3가지 분류항목 적용시의 결과가 좋지 않았다.
- 음성/음악 분류기는 오디오 신호를 3가지 (음성, 음악, 음성+음악)와 2가지 (음성, 음악)로 분류하였다. 실험결과 특징 파라미터 중 멜캡스트럼이 가장 좋은 결과를 보였다.
- 에너지는 3가지 분류항목을 적용하였을 경우 64 mixture에서, 2 가지 분류항목을 적용하였을 경우 32 mixture에서 가장 좋은 결과를 나타내었다. 분류 결과에 의하면 에너지는 타 특징에 비해 음악에 대한 분류능력이 현저히 낮았다.
- 에너지는 3가지 분류항목을 적용하였을 경우 64 mixture에서, 2 가지 분류항목을 적용하였을 경우 32 mixture에서 가장 좋은 결과를 나타내었다. 분류 결과에 의하면 에너지는 타 특징에 비해 음악에 대한 분류능력이 현저히 낮았다.
- 오디오 신호의 분류항목 결정은 각 분류항목별 트레인 DB에 대해 Expectation Maximum(EM) 알고리즘을 적용하여 트레인을 한 GMM의 결과값을 입력 오디오 신호에 대웅시켜 그 중 최대의 확률을 가지는 것을 선택하였다.
- 오디오 신호의 분류항목 결정은 각 분류항목별 트레인 DB에 대해 Expectation Maximum（EM）알고리즘을 적용하여 트레인을 한 GMM의 결과값을 입력 오디오 신호에 대웅시켜 그 중 최대의 확률을 가지는 것을 선택하였다. 테스트는 각각의 특징에 대해 동일한 3가지 Mixture(16, 32, 64)를 적용하였다.
- 3가지 분류항목 적용시에는 타 특징에 비해 음악의 분류능력이 가장 우수한 것으로 나타났다. 이에 반해 음성+음악의 분류능력은 타 특징에 비해 가장 떨어지는 것으로 나타났다.
- 계수값들의 변화를 살펴보면 음성, 음성+음악, 음악 순으로 격렬한 변화를 관찰할 수 있었다. 전체 12개의 계수값에서는 음성과 음성+음악의 계수값의 변화가 비슷한 면을 보였으며 음악은 다른 분류항목에 비해 계수값의 변화폭이 적었다.
- 계수값들의 변화를 살펴보면 음성, 음성+음악, 음악 순으로 격렬한 변화를 관찰할 수 있었다. 전체 12개의 계수값에서는 음성과 음성+음악의 계수값의 변화가 비슷한 면을 보였으며 음악은 다른 분류항목에 비해 계수값의 변화폭이 적었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.