Acknowledgement
This research was supported by "Regional Innovation Strategy (RIS)" through the National Research Foundation of Korea (NRF) funded by the Ministry of Education [2021RIS-001(1345341783)]
Proceedings of the Korean Society of Computer Information Conference (한국컴퓨터정보학회:학술대회논문집)
- 2023.01a
- /
- Pages.43-46
- /
- 2023
Attention Modules for Improving Cough Detection Performance based on Mel-Spectrogram
사전 학습된 딥러닝 모델의 Mel-Spectrogram 기반 기침 탐지를 위한 Attention 기법에 따른 성능 분석
- Changjoon Park (Dept. of Ai.Robotics Engineering, Korea National University of Transportation) ;
- Inki Kim (Dept. of IT.Energy Convergence, Korea National University of Transportation) ;
- Beomjun Kim (Dept. of IT.Energy Convergence, Korea National University of Transportation) ;
- Younghoon Jeon (Dept. of Software, Korea National University of Transportation) ;
- Jeonghwan Gwak (Dept. of Software, Korea National University of Transportation)
- 박창준 (한국교통대학교 AI로봇공학과) ;
- 김인기 (한국교통대학교 교통에너지융합학과) ;
- 김범준 (한국교통대학교 교통에너지융합학과) ;
- 전영훈 (한국교통대학교 소프트웨어학과) ;
- 곽정환 (한국교통대학교 소프트웨어학과)
- Published : 2023.01.11
Abstract
호흡기 관련 전염병의 주된 증상인 기침은 공기 중에 감염된 병원균을 퍼트리며 비감염자가 해당 병원균에 노출된 경우 높은 확률로 해당 전염병에 감염될 위험이 있다. 또한 사람들이 많이 모이는 공공장소 및 실내 공간에서의 기침 탐지 및 조치는 전염병의 대규모 유행을 예방할 수 있는 효율적인 방법이다. 따라서 본 논문에서는 탐지해야 하는 기침 소리 및 일상생활 속 발생할 수 있는 기침과 유사한 배경 소리 들을 Mel-Spectrogram으로 변환한 후 시각화된 특징을 CNN 모델에 학습시켜 기침 탐지를 진행하며, 일반적으로 사용되는 사전 학습된 CNN 모델에 제안된 Attention 모듈의 적용이 기침 탐지 성능 향상에 도움이 됨을 입증하였다.
Keywords