• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.04a
• /
• pp.467-470
• /
• 2010

최근 음성인식에 관한 연구가 활발히 진행되고 있지만, 음성으로 기기를 작동시키기거나 신원을 파악하는 등과 관련된 성인 음성 인식에 관한 연구들이 대부분이고 아기의 울음소리를 감지하기 위한 학술적인 연구는 미비한 실정이다. 아기들은 통상 울음으로서 자신의 상태를 표현한다는 점을 고려해 볼 때 기존의 성인을 대상으로 한 연구 결과를 그대로 적용시키기에는 무리가 따른다. 아기의 울음소리를 정확히 감지할 수 있다면 아기 및 유아를 위한 다양한 헬스(케어)기기에 적용될 수 있을 것이다. 따라서 대부분의 헬스(케어)기기들이 가지는 제한적인 자원과 컴퓨팅 능력을 고려하여 간단하면서도 정확도가 높은 방법이 필요하다. 이에 본 논문에서는 아기 울음소리의 진동수 패턴을 통계적으로 분석하여 아기 울음소리를 감지하는 방법을 제안한다. 다양한 주변 소리 샘플들을 통해 본 논문의 방법을 검증해본 결과 오감지율이 8.1%로 우수한 결과를 얻을 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.666-668
• /
• 2018

최근 반려동물을 키우는 가구 수의 증가와 함께, 반려묘에 대한 관심도 상당히 증가하고 있다. 특히 반려인은 반려묘와의 원활한 의사소통과 교감을 바라지만 반려묘의 세세한 감정 상태를 24시간 내내 파악하는 것은 어려운 일이다. 본 논문에서는 반려묘의 울음소리에 많은 감정 및 상태 정보가 담겨있는 것에 착안하여, 반려묘의 울음소리를 기반으로 감정을 분류하는 시스템을 제안한다. 제안된 시스템은 먼저, 이미 수집된 소리 데이터를 데이터 증폭 방법론을 이용하여 데이터를 확장 한 후, 해당 소리들의 멜 스펙트로그램 정보를 추출한다. 이를 시계열 정보 처리에 효과적인 LSTM에 적용하여 반려묘의 감정 상황을 식별할 수 있도록 학습을 수행한다. 실험 결과, 반려묘의 감정 상태 분류의 가능성을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.597-599
• /
• 2022

영아는 울음이라는 비언어적 의사 소통 방식을 사용하여 모든 욕구를 표현한다. 하지만 영아의 울음소리를 파악하는 것에는 어려움이 따른다. 영아의 울음소리를 해석하기 위해 많은 연구가 진행되었다. 이에 본 논문에서는 3D 특징 벡터를 이용한 영아의 울음소리 분류를 제안한다. Donate-a-corpus-cry 데이터 세트는 복통, 트림, 불편, 배고픔, 피곤으로 총 5 개의 클래스로 분류된 데이터를 사용한다. 데이터들은 원래 속도의 90%와 110%로 수정하는 방법인 템포조절을 통해 증강한다. Spectrogram, Mel-Spectrogram, MFCC 로 특징 벡터화를 시켜준 후, 각각의 2 차원 특징벡터를 묶어 3차원 특징벡터로 구성한다. 이후 3 차원 특징 벡터를 ResNet 과 EfficientNet 모델로 학습을 진행한다. 그 결과 2 차원 특징 벡터는 0.89(F1) 3 차원 특징 벡터의 경우 0.98(F1)으로 0.09 의 성능 향상을 보여주었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.05a
• /
• pp.401-404
• /
• 2007

최근 들어 환경 오염과 식습관의 변화로 인해 알레르기성 질환이 널리 유발되고 있다. 특히 평생 건강의 시초라 할 수 있는 소아 시기에 알레르기로 인한 천식, 비염 및 아토피 등의 증세는 소아 뿐만 아니라 부모까지도 위험 요소로 크게 자리잡고 있는 실정이다. 따라서 본 논문은 소아기에 가장 흔하게 발생되는 질환인 소아 천식을 예방하려는 목적으로 연구를 행하였다. 의사 표현 능력이 부족한 소아에게서 울음소리는 소아의 유일한 자기 표현 방법이다. 본 논문에서는 천식을 앓고 있는 소아의 울음소리를 분석하였으며 정상 소아의 울음소리를 동일한 환경 설정으로 분석하여 이를 비교, 분석하여 천식 질환 소아와 정상 소아간의 상관성을 입증하고자 한다.

• JOURNAL OF ELECTRICAL WORLD
• /
• s.405
• /
• pp.87-90
• /
• 2010

• Journal of the korean veterinary medical association
• /
• v.47 no.2
• /
• pp.156-158
• /
• 2011

• Journal of the korean veterinary medical association
• /
• v.48 no.2
• /
• pp.84-85
• /
• 2012

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2016.01a
• /
• pp.287-288
• /
• 2016

항공기 버드스트라이크 사고는 공항활주로 주변에서 이 착륙 중이거나 저고도 상공에서 비행중인 항공기와 새의 접촉으로 인해 발생하는 사고다. 이러한 버드스트라이크사고는 항공운항의 역사와 함께 우리를 위협해 왔고 앞으로도 계속해서 위협하게 될 것이다. 이에 본 논문에서는 공항활주로에서 일어났던 버드스트라이크 사고의 다양한 사고예방법 중 새들의 천적인 맹금류 중 매의 울음소리를 활용한 예방법에 관해서 연구하였다.

• Korean Journal of Environmental Biology
• /
• v.25 no.2
• /
• pp.94-99
• /
• 2007

To investigate the spatial distribution and daily calling pattern of the Gold-spotted pond frog, Rana chosenica, in Chungju city and Chungwon gun, Chungbuk province, Korea, we divided the study area into 226 plots with a $2{\times}2km^2$ plot on the map, of which we assigned 32 plots for monitoring populations. Call monitoring on whether the species are present or not were conducted for 5 minutes in between sunset and the midnight from at the end of May to July in 2006. Gold-spotted pond frogs were detected at least once four out of 32 plots. Using program Presence, we obtained site occupancy rate as 0.170 which was quite low compared with other species, while detection probability was 0.66 that propose at least three times to visit the monitoring site to confirm the absence of the frogs. The frogs were actively calling from 21:00 to 02:00, and the number of calling male was significantly and highly correlated with water temperature and humidity. This study shows the present status of the Gold-spotted pond frogs in Chungju city and Chungwon gun and we suggests various effective monitoring methods based on the this study.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.776-778
• /
• 2015

논문에서는 DNN(Deep Neural Network)의 dropout 기법을 이용하여 산란계가 고온 스트레스를 받고 있는지 여부를 닭의 울음소리 정보를 통해 탐지하는 방법을 제안한다. 실험에서는 $21^{\circ}C$ 정상 온도에서 100개의 소리 데이터, $35^{\circ}C$ 고온에서 200개의 소리 데이터를 사용한다. 먼저, DNN의 학습을 위해서 취득한 울음소리에서 54개의 소리 특징 정보를 추출한다. 둘째, CFS(Correlation Feature Selection)을 이용하여, 추출된 특징 중 온도 구분을 위한 중요한 특정 10개를 선택한다. 셋째, 선택된 소리특징을 DNN에 적용하여 온도 환경을 구분하는 시스템이다. DNN의 과적합(over-fitting) 영향을 감소시키고, 성능 향상을 위하여 dropout 비율을 조정하여 실험을 진행하였다. 본 연구에서는 실제 계사에서 수집된 소리 정보를 이용하여 모의실험을 수행한 결과 매우 우수한 성능을 보임을 확인하였다.