Deep Learning-based Bird Sound Recognition System with Data Pre-processing

Q: 이 논문에서 정의한 데이터 전처리 모델이란 무엇인가?

데이터 전처리 모델은 회귀 다층 네트워크로, 하나의 입력층, 세 개의 은닉층, 하나의 출력층으로 구성된다. 이 모델은 순수한 새 소리와 배경 소음이 혼합된 음원에서 새 소리만을 분리하여 출력 데이터로 생성하는 역할을 한다. STFT를 사용하여 주파수 정보를 배열 형태로 변환한 데이터를 입출력으로 활용한다.

Q: 데이터 전처리가 조류 소리 분류 성능에 어떤 영향을 미치는가?

연구 결과, 데이터 전처리를 적용한 모델은 전체 조류 및 비조류 소리 분류 성능에서 전처리를 적용하지 않은 시스템과 큰 차이가 없었다. 그러나 비조류 소리 분류 성능에서는 전처리 모델이 4.81% 향상된 결과를 보였다. 이는 비조류 소음 제거에 효과적임을 시사한다.

Taepyo Jung; Hyungjin Jeon; Cheolmin Jeon; Aarion Cook; Alayna Weiss; Minsun Lee; Anthony H. Smith

추천

검색

질문

자료유형: 학술대회자료

저자정보: Taepyo Jung (Chungnam National University) Hyungjin Jeon (Chungnam National University) Cheolmin Jeon (Chungnam National University) Aarion Cook (Purdue University) Alayna Weiss (Purdue University) Minsun Lee (Chungnam National University) Anthony H. Smith (Purdue University)

저널정보: 대한전자공학회 대한전자공학회 학술대회 2019년도 대한전자공학회 추계학술대회 논문집

발행연도: 2019.11

수록면: 756 - 759 (4page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Over the past decade, scarecrows have begun moving from stand-alone scarecrows to scarecrows using Internet of Things (IOT) technology. This study focuses on building a “smart” scarecrow that recognizes and detects birds by bird sounds. We propose a bird sound recognition model based on data pre-processing and Convolutional Neural Network (CNN). The hypothesis has been established that noise elimination through data pre-processing is more effective than not using data pre-processing to recognize bird sounds. The results showed that the overall performance of the bird and non-bird sound classification through the pre-processing system was 79.8%, which was no different from that of a system without data preprocessing. However, the proposed model has a 4.81% improvement in non-bird sound classification performance compared to models without data preprocessing.

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2020-569-000093476

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)