• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회
• /
• pp.434-439
• /
• 2018

문체 변환 시스템을 학습하는 데 있어서 가장 큰 어려움 중 하나는 병렬 말뭉치가 부족하다는 것이다. 최근 대량의 비병렬 말뭉치만으로 문체 변환 문제를 해결하려는 많은 연구들이 발표되었지만, 아직까지도 원 문장의 정보 보존(Content preservation)과 문체 변환(Style transfer) 모두를 이루는 것이 쉽지 않은 상태이다. 특히 비교사 학습의 특성상 문체 변환과 동시에 정보를 보존하는 것이 매우 어렵다. Attention 기반의 Seq2seq 네트워크를 이용할 경우에는 과도하게 원문의 정보가 보존되어 문체 변환 능력이 떨어지기도 한다. 그리고 OOV(Out-Of-Vocabulary) 문제 또한 존재한다. 본 논문에서는 Attention 기반의 Seq2seq 네트워크를 이용하여 어절 단위의 정보 보존력을 최대한 높이면서도, 입력 문장에 효과적으로 Noise를 넣어 문체 변환 성능을 저해하는 과도한 정보 보존 현상을 막고 문체의 특성을 나타내는 어절들이 잘 변환되도록 할 뿐 아니라 OOV 문제도 줄일 수 있는 방법을 제안한다. 우리는 비교 실험을 통해 본 논문에서 제안한 방법들이 한국어 문장뿐 아니라 영어 문장에 대해서도 state-of-the-art 시스템들에 비해 향상된 성능을 보여준다는 사실을 확인하였다.

• 방송공학회논문지
• /
• 제17권6호
• /
• pp.1048-1060
• /
• 2012

본 논문에서는 영상에 포함되어 있는 잡음을 효율적으로 제거하기 위해 원본 영상과 잡음이 포함된 영상 사이의 mean square error (MSE) 추정에 기반한 적응적인 시공간 디노이징 필터(Adaptive Temporal and Spatial De-noising Filter : ATSF)를 제안하였다. 제안하는 디노이징 필터는 잡음이 포함되어 있는 영상에 블록 단위로 적용되며, 시간적 필터인 Multi-Hypothesis Motion Compensated Filter (MHMCF)를 사용하고, 공간적 필터로는 bilateral filter를 사용하였다. 각각의 블록에 대해 시간적 필터와 공간적 필터 중에서 최적의 필터를 선택하기 위해서 잡음이 포함되지 않은 원본 영상과 잡음이 포함된 입력 영상 사이의 MSE를 추정하는 기법을 제안하였다. 디노이징 단계에서 원본 영상이 주어지지 않기 때문에 MSE를 추정하기 위해서, 본 논문에서는 MHMCF가 적용된 블록의 MSE를 수학적으로 예측하고, bilateral filter가 적용된 블록의 MSE를 통계적 선형 모델을 통해 예측하였다. 이렇게 예측된 MSE를 비교하여 더 작은 MSE를 갖는 필터를 선택적으로 매 단위 블록마다 적용하게 된다. 제안된 방법은 시간적 필터와 공간적 필터를 적응적으로 적용함으로써 기존의 디노이징 방법에 비해 객관적 화질 뿐만 아니라 주관적인 화질에서 우수한 성능을 보여준다.

• 한국통신학회논문지
• /
• 제39C권1호
• /
• pp.60-69
• /
• 2014

감시경계 분야에서 진동센서를 이용한 발자국 탐지방안 연구가 지속적으로 이루어지고 있다. 진동센서는 탐지성능은 우수하나 야외 환경에서 사용 시 잡음에 매우 민감하게 반응한다. 본 논문에서는 비선형 주파수 차감 후 기본 발자국 모델 신호와 입력 신호 간의 교차상관을 수행하여 잡음은 감쇄시키고 발자국 신호는 증대시켜 탐지성능을 높일 수 있는 NSSC 방법을 제안한다. 이러한 잡음 제거과정 이후 탐지 이벤트 구간에 대한 식별 과정을 수행함으로써 실제 사람 발자국 여부를 최종 판단한다. 제시된 알고리즘의 성능 검증을 위하여 맑은 날, 비 오는날에 수집된 발자국 신호에 대한 실험 결과를 제시하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.507-511
• /
• 2022

문법 교정 모델은 입력된 텍스트에 존재하는 문법 오류를 탐지하여 이를 문법적으로 옳게 고치는 작업을 수행하며, 학습자에게 더 나은 학습 경험을 제공하기 위해 높은 정확도와 재현율을 필요로 한다. 이를 위해 최근 연구에서는 문단 단위 사전 학습을 완료한 모델을 맞춤법 교정 데이터셋으로 미세 조정하여 사용한다. 하지만 본 연구에서는 기존 사전 학습 방법이 문법 교정에 적합하지 않다고 판단하여 문단 단위 데이터셋을 문장 단위로 나눈 뒤 각 문장에 G2P 노이즈와 편집거리 기반 노이즈를 추가한 데이터셋을 제작하였다. 그리고 문단 단위 사전 학습한 모델에 해당 데이터셋으로 문장 단위 디노이징 사전 학습을 추가했고, 그 결과 성능이 향상되었다. 노이즈 없이 문장 단위로 분할된 데이터셋을 사용하여 디노이징 사전 학습한 모델을 통해 문장 단위 분할의 효과를 검증하고자 했고, 디노이징 사전 학습하지 않은 기존 모델보다 성능이 향상되는 것을 확인하였다. 또한 둘 중 하나의 노이즈만을 사용하여 디노이징 사전 학습한 두 모델의 성능이 큰 차이를 보이지 않는 것을 통해 인공적인 무작위 편집거리 노이즈만을 사용한 모델이 언어학적 지식이 필요한 G2P 노이즈만을 사용한 모델에 필적하는 성능을 보일 수 있다는 것을 확인할 수 있었다.

• 융합신호처리학회논문지
• /
• 제11권2호
• /
• pp.151-156
• /
• 2010

본 논문은 방향성을 고려한 영상 분해에 의해 개선된 시그마 필터의 영상 잡음 제거에 관한 연구이다. 기존의 시그마 필터는 계산의 복잡도 측면과 필터링의 정확도 면에서 좋은 결과를 보여 왔다. 그러나 시그마 필터는 높은 수준의 노이즈에서 작은 에지성분을 살리지 못하는 단점이 있다. 따라서 본 논문에서는 기존의 개선된 시그마 필터를 변형하여 새로운 방법을 제안한다. 제안된 알고리즘은 먼저 입력 영상을 수평, 수직 방향의 특성과 대각선 방향의 특성을 지닌 두 가지의 구성요소로 분해한 다음 분해된 2개의 구성요소에 대하여 HPF와 LPF를 적용한다. 적용 후 각각 독립적으로 기존의 시그마 필터로 필터링하여 출력 영상을 재구성함으로서 영상에 존재하는 잡음을 제거하고 영상의 에지성분에 대한 보존 특성을 강화시킨다. 실험에서의 비교 결과, 제안된 알고리즘의 PSNR이 시그마 필터에 비해 평균적으로 2.6dB, 개선된 시그마 필터에 비해 0.5dB 더 우수함을 확인하였고 비교적 큰 노이즈가 첨가되었을 때 기존의 두 필터보다 제안된 알고리즘이 훨씬 더 좋은 성능을 보였다.

• 한국음향학회지
• /
• 제28권6호
• /
• pp.566-571
• /
• 2009

본 논문에서는 eigenvoice 방식에 기반하여 다양한 잡음 환경에 강인한 고속 화자 적응 방법을 제안하였다. 제안된 방법은 잡음 제거 기술과 환경 군집화 방법을 기반으로 한다. 그러나, 잡음 제거 기술을 통해 잡음을 제거한 후에도 여전히 잔여 잡음이 존재하므로 비음성 구간의 켑스트럼 평균을 사용하여 잡음 환경별로 화자 적응 데이터를 분류한 후 각각의 환경별로 환경 모델을 구성한다. 이러한 환경 군집화를 적응데이터에 대해 구성한 후 테스트 음성이 입력되면 군집화된 모델 중에서 인식 데이터와 가장 유사한 복수의 환경별 군집화된 화자 적응 모델을 구한 후 이들의 가중함을 통해 화자 적응을 수행하는 방법이다. 제안된 방법은 적응 및 평가를 통해 화자 독립 모델을 사용한 경우에 비해 $40{\sim}59%$ 인식 오류 감소율을 얻었다.