메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김동훈 (전북대학교) 이준환 (전북대학교)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제29권 제5호
발행연도
2019.10
수록면
352 - 358 (7page)
DOI
10.5391/JKIIS.2019.29.5.352

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문에서는 속성 학습 모델을 이용하여 음악 분위기 인식을 시도하였다. 제안하는 방법은 다양한 분포를 포함하는 데이터셋을 사용하여 비교사 학습 모델인 CVAE(Convolutional Variational Auto Encoder) 모델을 학습시키고, 학습된 CVAE 모델에 분위기 인식과 관련된 DEAM 데이터셋을 입력하여 계층별 음악 속성을 추출한다. 이로부터 추출된 음악 속성과 음악에서 사람이 느낄 수 있는 분위기를 회귀모델(Regressor)을 이용하여 맵핑시키는 방식으로 분위기인식을 수행한다. 제안하는 방법은 뉴럴 네트워크 회귀모델을 사용한 결과 Arousal과 Valence에서 각각 0.282, 0.257의 RMSE값을 얻었다. 본 논문에서는 MIR(Music Information Retrieval) 작업 수행 시에 원인과 결과에 대한 분석을 가시적 측면에서 수행할 수 있도록 Auto Encoder 모델을 채택하였으며, CVAE에 서로 다른 길이를 가진 오디오 데이터를 입력으로 주었을 때 나타나는 재구성 결과를 가시화하여 MIR 결과의 개선 방안을 모색해 보았다. CVAE 모델은 오디오 데이터로부터 얻은 저수준 음악속성인 멜스펙트로그램을 입력으로 주었으며, 네트워크의 계층별 출력은 계층 간 가중치를 동등하게 주기 위해 같은 크기로 요약하여 회귀 모델의 입력으로 사용하였다. 본 논문에서 분위기의 평가는 짧은 시간에 해당하는 데이터로부터 도출되는 예측 결과를 종합하는 방법과 긴 시간에 해당하는 데이터를 시간 순서에 따라 살펴보는 방법을 사용하였으며, 분위기인식 결과의 개선을 위해 첫 번째 계층에만 다양한 크기의 콘볼루션 커널을 적용하는 실험을 수행해 보았다.

목차

요약
Abstract
1. 서론
2. 실험 설계
3. 결과
4. 분석 및 토의
4. 결론 및 향후 연구
References

참고문헌 (17)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0