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
임현진 (부산대학교) 문기성 (부산대학교) 권선영 (부산대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제28권 제10호
발행연도
2022.10
수록면
505 - 511 (7page)
DOI
10.5626/KTCP.2022.28.10.505

이용수

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

초록· 키워드

오류제보하기
최근 COVID-19 확산으로, 기침 소리를 활용한 호흡기 질환 예측 연구가 다양하게 이루어지고 있으나 labeling된 기침 데이터는 임상 전문의들의 소견이 필요하기 때문에 구하기 어렵다. 반면 unlabeled data는 풍부하다는 점에서 self-supervised Learning (SSL)을 적용한다면 좋은 효과를 기대할 수 있다. SSL 방법 중, positive, negative pair의 유사성을 학습하는 대조 학습 방법이 소리 분야에서 많이 연구가 되고 있지만, 적합한 데이터 형태 및 학습 방법 등에 대한 심층적인 연구가 적고, 기침 소리의 대조 학습에 대한 연구는 부족한 상황이다. 본 연구에서는 기침 소리를 활용한 대조 학습 연구의 방향성을 제시하기 위해, 기침 소리 분류 모델을 구축하고 다양한 실험을 진행하였다. 실험 결과, 소리의 feature 중 mel-spectrogram이 기침 소리의 표현으로 적합하였고, 대조학습이 학습 데이터 크기에 대한 의존성을 감소시키는 것으로 나타났다. 또한 모델 성능 고도화를 위해 channel 수와 filter의 종류, augmentation 기법들을 비교 분석한 결과 single-channel, 2D-CNN이 적합하였고, time shift와 block masking을 조합했을 때 가장 뛰어난 성능을 보였다. 마지막으로 기침 소리 분류 이외에 covid-19 분류에도 성능 향상을 보이는 것을 확인하였다.

목차

요약
Abstract
1. 서론
2. 배경
3. 대조학습에 기반한 기침 소리 분류 모델
4. 실험 및 결과
5. 결론
References

참고문헌 (14)

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