잡음제거 모델 훈련을 위한 딥러닝 기반 가상 데이터베이스 생성 기법

윤덕규; 최승호; Deokgyu Yun; Seung Ho Choi

EIRIC MENU

전자정보연구정보센터

로그인

닫기

한글제목(Korean Title)	잡음제거 모델 훈련을 위한 딥러닝 기반 가상 데이터베이스 생성 기법
영문제목(English Title)	Deep Learning-Based Virtual Database Creation Techniques for Denoising Model Training
저자(Author)	윤덕규 최승호 Deokgyu Yun Seung Ho Choi
원문수록처(Citation)	VOL 44 NO. 05 PP. 0864 ~ 0866 (2019. 05)
한글내용 (Korean Abstract)	딥러닝 기반 잡음제거를 위한 신경망 훈련에는 실제 잡음환경에서 취득한 대량의 데이터가 필요하지만 비용 등 여러 측면에서 용이하지 않다. 본 연구는 이에 대한 대안 방법으로서 우선, 실제 잡음환경에서 적당한 양의 원음 및 혼합신호 데이터를 이용하여 심층신경망 기반으로 환경을 추정한다. 이후 추정된 환경 즉, 잡음환경 심층신경망을 이용하여 원음 스펙트럼을 입력으로 스펙트럼 비율(ideal ratio mask)을 출력으로 하는 방법으로 가상의 혼합신호 데이터를 생성한다. 제안한 방법을 통해 실제 환경과 유사한 대량의 데이터베이스를 구축할 수 있으며, 이를 통해 잡음제거 모델의 성능을 크게 개선할 수 있다. 실제 환경에서의 실험을 통해, 딥러닝 기반 잡음제거를 위해 제안한 방법이 성공적으로 사용될 수 있음을 보였다.
영문내용 (English Abstract)	Neural network training for deep learning-based noise cancellation requires a large amount of data acquired in a real noise environment, but it is not easy in many respects, such as various costs. In this paper, we propose an alternative method to estimate the environment based on the deep neural network using the proper amount of original sound and noisy signal data. Then, it is possible to generate a large amount of virtual noisy database by inputting the original sound spectrum through the deep neural network and outputting the ideal ratio mask. We can build a large database similar to the actual environment through the proposed method, which can greatly improve the denoising performance. Experiments in real environments have shown that the proposed method can be used successfully for deep learning-based denoising.
키워드(Keyword)	Deep neural network virtual noisy database real environment denoising ideal ratio mask
원문	PDF 다운로드