음성언어 감정 인식을 위한 인공 신경망 모델의 가중치 기반 경량화 기법의 성능 비교

국문 초록 (Abstract)

최근 인간과 기계 간의 상호작용에 대한 연구가 활발히 이뤄지고 있으며, 언어에 담긴 정보뿐 아니라 음성에 내포된 감정을 인식하기 위해 딥러닝 모델이 적용되고 있다. 딥러닝을 활용한 음성언어 감정 인식 기술은 주로 모바일 및 IoT기기, 그리고 임베디드 시스템과 같은 제한된 컴퓨팅 자원 환경에 적용된다. 딥러닝 모델의 계층을 깊게 쌓아 정확도를 높일수록 그 연산량과 크기가 증가하기 때문에 제한된 컴퓨팅 자원으로 구동하는데 어려움이 발생한다. 본 논문에서는 가중치 가지치기와 가중치 군집화, 두 가지 기법을 각각 음성언어 감정 인식을 위한 딥러닝 모델에 적용하고 데스크탑 PC와 임베디드 시스템 환경에서 정확도와 추론 시간을 검증했다. 실험에 사용한 임베디드 보드는 NVIDIA사의 Jetson AGX Xavier이다. 가중치 가지치기 기법은 데스크탑 PC 환경에서 18.55%, 임베디드 보드 환경에서 17.84%, 가중치 군집화 기법은 데스크탑 PC 환경에서 15.32%, 임베디드 보드 환경에서 15.08%만큼 추론 시간을 개선했으며, 정확도는 두 기법 모두 기준 모델과 큰 차이가 없음을 확인하였다.

목차 (Table of Contents)

• 요약
• 1. 서론
• 2. 관련연구
• 3. 제안한 방법
• 4. 실험
• 4.1. 실험 환경
• 4.2. 실험 결과
• 5. 결론
• Acknowledgement
• 참고문헌