초록 ▼

□ 연구개요
o 인식기의 음향모델이 DNN기반으로 바뀜에 따라서 기존의 잡음제거 및 보상 방식를 대처할 수 있는 새로운 알고리듬의 개발이 요구된다.
o GMM과 마찬가지로, DNN 기반 음성인식기에 대해서도 잡음신호에 대한 특징보상이나 모델보상이 적용되지 않을 경우에 인식성능의 상당한 성능 저하를 초래한다는 것을 기존의 연구 결과로 부터 알 수 있다.
o 따라서 본 연구과제에서는 이러한 점들에 착안하여 제안된 과제의 목표를 “DNN기반 대용량 음성인식기에서의 인식잡음음성에 대한 음성특징 보상 및 음향모델 보상을 위한

□ 연구개요
o 인식기의 음향모델이 DNN기반으로 바뀜에 따라서 기존의 잡음제거 및 보상 방식를 대처할 수 있는 새로운 알고리듬의 개발이 요구된다.
o GMM과 마찬가지로, DNN 기반 음성인식기에 대해서도 잡음신호에 대한 특징보상이나 모델보상이 적용되지 않을 경우에 인식성능의 상당한 성능 저하를 초래한다는 것을 기존의 연구 결과로 부터 알 수 있다.
o 따라서 본 연구과제에서는 이러한 점들에 착안하여 제안된 과제의 목표를 “DNN기반 대용량 음성인식기에서의 인식잡음음성에 대한 음성특징 보상 및 음향모델 보상을 위한 적응 기법의 개발”로 정하였다.

□ 연구 목표대비 연구결과
본 과제에서 수행한 주요 연구 결과를 요약하면 아래와 같다.
o VTS기반의 잡음음성특징 보상방식의 DNN 음향모델 기반 음성인식기에 적용
-VTS 기반의 음성특징보상 방식을 통하여 DNN의 입력음성특징을 정규화함으로서 DNN 기반 인식기의 잡음환경에서의 성능 향상을 유도 할 수 있었다.
o 음성특징보상을 위한 DNN과 이와 연동된 DNN 음향모델을 통한 성능 향상
-음향모델 DNN에 적용되는 supervised fine-tuning 학습기법을 그대로 전체 네트워크에 적용함으로서 특징보상 DNN이 음향모델 DNN과 함께 연동되는 효과를 가지도록 함으로서 성능 향상을 이룰 수 있었다.
o Tandem 구조의 멀티 프레임 GMM-HMM 인식기의 제안
-기존의 bottleneck layer을 이용한 방식과는 다르게, DNN 출력층을 이용하며, 멀티프레임 GMM-HMM 방식을 채택하여 성능 향상을 이룰 수 있었다.
o Sub-layer 기반의 DNN을 활용한 효율적인 잡음음성 적응 방법 제안
-충분히 많은 잡음음성데이터가 얻어지지 않는 실제 인식 환경에서도 효과적인 잡음적응을 위하여 히든 레이어를 몇 개의 독립적인 서브네트워크로 구성함.
-각 서브네트워크의 출력들은 interpolation 과정을 통하여 하나의 출력 레이어로 연결되며, 이들을 이용하여 DNN을 적응시킴으로서 성능 향상을 이룰 수 있었다.

□ 연구개발결과의 중요성
o GMM-HMM 음성인식기에 비해서 DNN 기반 음성인식기는 잡음에 적응해야 하는 파라미터의 수가 너무 많아서 실제 환경에서 실시간으로 효율적으로 적응 학습을 하는데 있어서 어려움이 있었다.
o 본 연구에서는 이러한 어려움을 극복하기 위하여 다양한 접근 방식을 통하여 DNN 기반 음성인식기의 성능 향상을 유도하였다.
o 국내적으로는 대용량 연속어 음성 DNN 인식기에서의 인식잡음음성에 대한 적응방법에 대한 논의가 충분치 않았고 기술력의 축적도 거의 되지 않았으나 본 연구를 통해서 이 부분에서의 성능향상을 위한 기초 연구가 충분히 진행될 수 있었다고 생각한다. 또한, 국제적으로도 대용량 연속어 음성 DNN 인식기의 잡음음성 적응 문제는 초기의 연구단계로서 본 연구를 성공적으로 마침으로서 국제적 기준에 부합하는 연구 수준을 달성 할 수 있었다고 판단된다.

(출처 : 연구결과 요약문 3p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 3
• 목차 ... 4
• 1. 연구개발과제의 개요 ... 5
• 가. 연구개발의 필요성 ... 5
• 나. 연구개발의 가설 및 최종 목표 ... 5
• 다. 연구의 범위 ... 5
• 2. 연구수행내용 및 연구결과 ... 6
• 가. VTS(Vector Taylor Series) 기반의 잡음음성특징 정규화와 DNN 음향 모델에의 적용 ... 6
• 나. DNN 기반의 음성특징보상과 음향모델과의 연동 학습 기법 제안 ... 6
• 다. Tandem 구조 기반의 DNN 음성인식기에 대한 새로운 기법의 제안 ... 7
• 라. 잡음신호에 고유한 특징을 활용한 DNN 기반 인식기의 구현 ... 8
• 마. DNN의 모듈화를 통한 잡음음성에 대한 적응성 향상 방식 제안 ... 8
• 3. 연구개발결과의 중요성 ... 9
• 가. 학술적 측면에서의 중요성 ... 9
• 나. 기술적 측면에서의 중요성 ... 9
• 4. 참고문헌 ... 10
• 5. 연구성과 ... 11
• 끝페이지 ... 11