$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

오디오 음량 자동 제어를 위한 콘텐츠 분류 기술 개발
Audio Contents Classification based on Deep learning for Automatic Loudness Control 원문보기

한국방송공학회 2018년도 하계학술대회, 2018 June 20, 2018년, pp.320 - 321  

이영한 (전자부품연구원) ,  조충상 (전자부품연구원) ,  김제우 (전자부품연구원)

초록
AI-Helper 아이콘AI-Helper

오디오 음량을 자동으로 제어하는데 있어 음성이 있는 구간에 대해서 음량이 급격히 줄어드는 것을 막기 위해 콘텐츠에 대한 분석이 필요하다. 본 논문에서는 방송 음량을 조절을 위한 세부 기술로 딥러닝 기반의 콘텐츠 분류 기술을 제안한다. 이를 위해 오디오를 무음, 음성, 음성/오디오 혼합, 오디오의 4개로 정의하고 이를 처리하기 위한 mel-spectrogram을 이용하여 2D CNN 기반의 분류기를 정의하였다. 또한 학습을 위해 방송 오디오 데이터를 활용하여 학습/검증 데이터 셋을 구축하였다. 제안한 방식의 성능을 확인하기 위해 검증 데이터셋을 활용하여 정확도를 측정하였으며 약 81.1%의 정확도를 가지는 것을 확인하였다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 모델 용량을 증가시켰을 때의 성능을 확인하기 위해 표 2에 언급한 계층 증가 모델에 대해 학습을 진행하였다. 학습에 사용한 하이퍼 파라미터는 이전과 동일하게 설정하였으며 학습 횟수를 30 epochs 기준으로 하였다.
  • 본 논문에서는 오디오 음량 자동 제어를 위한 콘텐츠 분류 기술을 제안하였다. 제안된 알고리즘은 2D CNN을 통해 구현되었으며, 검증 데이터셋에 대해 81.
  • 하지만 일반적으로 방송 음량을 일률적으로 조절하기 때문에 평균적으로 높은 음량으로 인해 작은 음량이 더욱 낮게 조절되는 단점이 존재한다 [4]. 이를 해결하기 위해 본 논문에서는 음성의 명료도를 강화할 수 있는 사람의 청각 특성을 고려하여 콘텐츠를 분류하고 이를 활용하여 오디오 음량을 적응적으로 제어하는 알고리즘의 활용할 수 있는 오디오 콘텐츠 분류 기술을 제안한다.
본문요약 정보가 도움이 되었나요?
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로