• 한국측량학회지
• /
• 제31권1호
• /
• pp.23-28
• /
• 2013

이종의 공간 데이터 셋을 매칭하는 과정은 매칭 또는 비 매칭의 이진 클래스로 판별하는 과정과 비슷하다. 이에 이진 클래스의 판별이 중요한 연구주제인 바이오인식 분야에서 임계값을 구하는데 이용되는 동일 오류율을 공간 데이터 셋의 매칭에 적용하여 임계값을 산출하였다. 매칭유무를 판별하는 과정에서 임계값이 계속 바뀌면 매칭으로 판별되는 객체 쌍이 상이해지면서 정확도와 재현율도 바뀌게 되며, 이들 지표 사이에 trade-off가 나타나는 지점이 EER, 즉 임계값이 된다. 동일 오류율 기반의 임계값 산출 방법을 훈련 자료에 적용하여 형상유사도 0.802가 임계값으로 구해졌다. 이를 실험 자료에 적용한 결과, 매칭의 성능을 평가하는 척도인 F-measure가 0.940으로 높게 나타났다. 이를 통하여 동일 오류율을 이용하여 연구자의 개입이 없이 정확한 임계값이 산출되고, 동일 오류율 기반의 임계값 산출이 이종의 공간 데이터 셋 매칭에 적합하다는 것을 알 수 있었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권6호
• /
• pp.808-816
• /
• 2004

본 논문에서는 다중 특징 결합과 유사도 공간을 이용한 실제적인 온라인 얼굴 검증 시스템을 구현하는 방법을 제안한다. 얼굴 검증에서의 주요 쟁점은 다양한 얼굴 형상 변화의 처리이다. 이러한 변화는 단지 한가지 특징만으로는 해결되기 어렵다. 따라서 얼굴 형상에 있어서의 다양한 변화를 처리하기 위해서 상호보완적인 특징들의 결합이 필요하다. 이러한 관점에서 우리는 다중 주성분 분석과 에지 분포에 기반 한 특징 추출 방법을 제안한다. 이러한 특징들은 다수의 간단한 유사도 측정 방법들로 형성된 새로운 intra-person/extra-person 유사도 공간으로 사상되고, 최종적으로 Support Vector Machine에 의해 평가된다. 실제적인 대용량 데이터 베이스로 실험한 결과, equal error rate 0.029의 결과를 나타내었고, 이는 많은 실제 응용제품에도 충분히 팩용 가능한 수준이다.

• 한국음향학회지
• /
• 제39권2호
• /
• pp.137-142
• /
• 2020

문장 종속 짧은 발화에서 문장 독립 긴 발화까지 다양한 환경에서 I-vector 특징에 기반을 둔 많은 연구가 수행되었다. 본 논문에서는 원거리 잡음 환경에서 녹음한 데이터에서 Probabilistic Linear Discriminant Analysis(PLDA)를 적용한 I-vector와 주의 집중 기법을 접목한 Long Short Term Memory(LSTM) 기반의 화자 임베딩을 추출하여 결합한 화자 검증 알고리즘을 소개한다. LSTM 모델의 Equal Error Rate(EER)이 15.52 %, Attention-LSTM 모델이 8.46 %로 7.06 % 성능이 향상되었다. 이로써 본 논문에서 제안한 기법이 임베딩을 휴리스틱 하게 정의하여 사용하는 기존 추출방법의 문제점을 해결할 수 있는 것을 확인하였다. PLDA를 적용한 I-vector의 EER이 6.18 %로 결합 전 가장 좋은 성능을 보였다. Attention-LSTM 기반 임베딩과 결합하였을 때 EER이 2.57 %로 기존보다 3.61 % 감소하여 상대적으로 58.41 % 성능이 향상되었다.

• 한국음향학회지
• /
• 제22권1호
• /
• pp.42-47
• /
• 2003

본 논문에서 제안하는 방법은 화자 확인 (speaker verification)에서 시퀀스 확률비 테스트 (SPRT: sequential probability ratio test)를 위한 시작 프레임의 샘플 시프트를 이용해서 새로운 테스트 데이터를 생성하는 방법이다. SPRT는 테스트 계산량을 줄일 수 있는 효과적인 알고리즘이다. 그러나 테스트의 결정과정에서 SPRT 방법은 입력신호가 확률밀도 함수로부터 독립적이고 균일하게 분포되어 있다는 가정하에 수행할 수 있으며, 또한 발성길이가 짧은 데이터에는 적용하기에 적절하지 못하다. 제안한 방법은 시작 프레임의 샘플 시프트를 통한 새로운 테스트 데이터를 생성하는 방법이기 때문에 테스트 데이터의 길이에 상관없이 SPRT를 수행할 수 있다. 또한 SPRT 방법에서 고려해야 하는 데이터의 상관성은 주성분 분석(principal component analysis)을 이용함으로써 효과적으로 제거하였다. 실험 결과 제안한 방법은 기존의 방법보다 샘플시프트를 위한 데이터의 계산량은 약간 증가하였지만, 등가오류율 (EER: equal error rate)에서 평균0.7%이상 좋은 성능결과를 보였다.

• 한국음향학회지
• /
• 제39권5호
• /
• pp.447-453
• /
• 2020

본 논문은 딥러닝 기법을 활용하여 음성신호로부터 효율적인 화자 벡터를 추출하는 시스템을 제안한다. 음성신호에는 발화내용, 감정, 배경잡음 등과 같이 화자의 특징과는 관련이 없는 정보들이 포함되어 있다는 점에 착안하여 제안 방법에서는 추출된 화자 벡터에 화자의 특징과 관련된 정보는 가능한 많이 포함되고, 그렇지 않은 비화자 정보는 최소화될 수 있도록 학습을 진행한다. 특히, 오토-인코더 구조의 부호화 기가 두 개의 임베딩 벡터를 추정하도록 하고, 효과적인 손실 함수 조건을 두어 각 임베딩이 화자 및 비화자 특징만 각각 포함할 수 있도록 하는 효과적인 화자 정보 분리(disentanglement)방법을 제안한다. 또한, 화자 정보를 유지하는데 도움이 되는 생성적 적대 신경망(Generative Adversarial Network, GAN)에서 활용되는 판별기 구조를 도입함으로써, 디코더의 성능을 향상시킴으로써 화자 인식 성능을 보다 향상시킨다. 제안된 방법에 대한 적절성과 효율성은 벤치마크 데이터로 사용되고 있는 Voxceleb1에 대한 동일오류율(Equal Error Rate, EER) 개선 실험을 통하여 규명하였다.

• 한국음향학회지
• /
• 제34권2호
• /
• pp.171-176
• /
• 2015

본 논문에서는 Hidden Markov Model(HMM) - Universal Background Model(UBM)의 주 상태 정보 기반의 i-vector 추출 기술을 제안한다. Ergodic HMM이 UBM을 추정하는데 쓰였으며, 이를 통해 동일 화자 음성에도 다양하게 존재하는 특성을 HMM states로 분류할 수 있다. 제안한 방법을 이용하면 HMM의 state 개수에 따라 i-vector 들이 추출되는데, 주 상태 정보 방법을 통해 이들 중 하나를 선택한다. 제안한 방법을 검증하기 위해 National Institute of Standards and Technology(NIST) Speaker Recognition Evaluation(SRE) database를 이용하여 실험을 하였으며, Equal Error Rate(EER) 성능 수치에서 12 %의 성능 향상을 확인할 수 있었다.

• 한국통신학회논문지
• /
• 제36권3A호
• /
• pp.198-204
• /
• 2011

음향 통신 시스템은 오디오와 데이터를 동시에 전송하는 기술이다. 음향 통신 시스템은 데이터 신호의 파워를 높게 할수록 데이터 신호가 소리로 들리는 문제점을 가진다. 데이터 신호의 송신 파워가 낮아질수록 전송 가능한 거리는 감소된다. 따라서 음향 통신 시스템에서 전송 거리를 증가시킬 수 있는 방법에 대한 연구가 필요하다. 본 논문에서는 데이터 전송 효율을 높이기 위해 사용되는 수신 다이버시티 기법을 음향 통신 시스템에 적용하여 송신 거리를 향상 시키고자 한다. 동일한 송신 파워로 전송될 때 제안된 시스템과 기존 시스템의 수신 성능을 거리에 따라 측정 하였다. Single Input Sing Output (SISO) 시스템에서 $7{\times}10^{-3}$의 Bit Error Rate (BER) 성능을 만족 시키는 거리가 약 2m 일 경우, Selection Combining (SC) 기법을 적용하게 되면 약 3m로 거리가 증가하고, Equal Gain Combining (EGC) 기법을 적용하면 약 4m 에서도 수신 성능을 만족 시킬 수 있다.

• 스마트미디어저널
• /
• 제12권2호
• /
• pp.9-14
• /
• 2023

이 논문에서는 gradCAM를 활용한 적은 데이터로 얼굴 전체 또는 더 다양한 feature을 사용하여 얼굴인식을 할 수 있는 새로운 앙상블 방법론을 제안하였다. 인공지능 모델의 판단 근거는 gradCAM을 통하여 saliency map으로 표현될 수 있다. 따라서 본 논문에서는 학습된 얼굴인식 모델이 어느 부분에 편향적으로 관찰하여 판단했는지 gradCAM으로 시각화한다. 계산된 saliency map에서 일정 수치 이상의 돌출된 부분을 추가 모델이 학습에 사용할 수 없도록 노이즈를 추가해 데이터를 생산한다. 노이즈를 추가해서 만든 데이터로 학습할 경우 노이즈 부분을 활용하여 학습을 할 수 없으므로 새로운 얼굴 부분을 사용하여 얼굴인식 네트워크를 학습하게 된다. 기본 데이터로 학습한 네트워크와 돌출 부분에 노이즈를 추가해서 학습한 모델은 얼굴의 서로 다른 얼굴 feature을 사용할 수밖에 없고, 앙상블로 결합했을 때 얼굴의 좀 더 다양한 부분들을 사용한 임베딩 feature를 만들 수 있다. 이 논문에서 제안하는 앙상블 기법은 일반적인 앙상블 모델보다 정확도는 1.79% 상승하였고 equal error rate (EER)은 0.01788 감소하였다.

• 한국음향학회지
• /
• 제41권2호
• /
• pp.150-158
• /
• 2022

본 논문에서는 2021년 9월 동해에서 수행된 초장거리 대역확산 수중음향통신의 해상실험 결과를 제시한다. 8개의 수직 배열 센서를 이용하여 수중음향통신 신호를 수집하였으며, 전송 거리는 160 km로 하였다. 송신 신호로 30 bps의 다중 코드 대역 확산 방식과 100 bps의 처프 대역확산 방식이 사용되었다. 실험 결과 단일 채널에서 채널 부호화 기법이 적용되지 않은 경우에 높은 비트 오류율을 나타내었으나 각 수신 채널에서 프레임 동기화를 수행한 후 신호들에 등이득 조합 다이버시티 기법을 적용하면 비부호화 비트 오류율이 순방향 오류 정정 한계인 0.1 이하로 감소하였다.

• Journal of Information Processing Systems
• /
• 제7권3호
• /
• pp.425-434
• /
• 2011

The success of iris recognition depends mainly on two factors: image acquisition and an iris recognition algorithm. In this study, we present a system that considers both factors and focuses on the latter. The proposed algorithm aims to find out the most efficient wavelet family and its coefficients for encoding the iris template of the experiment samples. The algorithm implemented in software performs segmentation, normalization, feature encoding, data storage, and matching. By using the Haar and Biorthogonal wavelet families at various levels feature encoding is performed by decomposing the normalized iris image. The vertical coefficient is encoded into the iris template and is stored in the database. The performance of the system is evaluated by using the number of degrees of freedom, False Reject Rate (FRR), False Accept Rate (FAR), and Equal Error Rate (EER) and the metrics show that the proposed algorithm can be employed for an iris recognition system.