파킨슨병 환자에 대한 효과적인 음성인식 시스템

국문 초록 (Abstract)

음성인식 시스템은 인공지능 비서, 대화로봇, 동시통역 등 다양한 애플리케이션에 활용되고 있다. 현재 활용되고 있는 음성인식 시스템은 정상인의 음성으로 구축되기 때문에 정상인의 음성과 다른 경우에 인식률이 낮다.
파킨슨병 환자에게는 언어 장애가 만연하기 때문에 파킨슨병 환자의 음성은 건강한 사람의 음성과 현저히 다르다. 따라서 파킨슨병 환자에게 적합한 음성인식 시스템이 필요하다. 또한 일반적으로 파킨슨병 환자의 디지털화된 음성 데이터의 양은 건강한 사람에 비해 음성인식 시스템을 개발하기에 충분하지 않다.
본 논문에서는 파킨슨병 환자의 음성을 효과적으로 인식하는 음성인식 시스템을 제안한다. 제안하는 파킨병 환자에 대한 음성인식 시스템은 Transformr에 squeeze and excitation module를 추가한 Globalformer를 사용한다. Globalformer는 Transformer의 광역정보 활용 능력을 강화한 음성인식모델로써 파킨슨병 환자의 음성을 효과적으로 인식 할 수 있다. 또한 제안하는 파킨병 환자에 대한 음성인식 시스템은 데이터의 양이 적은 파킨슨병 환자의 음성인식 시스템을 구축하기 위하여, 건강한 사람의 음성으로 Globalformer를 사전학습 시킨 후 사전학습된 Globalformer를 파킨슨병 환자의 음성으로 미세조정한다.
제안하는 파킨슨병 환자에 대한 음성인식 시스템의 성능을 검증하기 위해 인하대병원에서 수집된 파킨슨병 환자 데이터셋으로 실험을 진행하였다. 실험결과 제안하는 파킨슨병 환자에 대한 음성인식 시스템이 22.15%의 character error rate(CER)으로 파킨슨병 환자의 음성을 인식하였으며 다른 방법에 비해 우수한 인식율을 보였다.

목차 (Table of Contents)

• 제1장 서론 01
• 제2장 배경 이론 04
• 2.1. Transformer 04
• 2.2. Sequeeze-and-Excitation Module 07
• 2.3. Connectionist Temporal Classification(CTC) 09
• 2.4. Convolution-augmented Transformer(Conformer) 13
• 제3장 제안하는 방법 16
• 3.1. 제안하는 파킨슨병 환자에 대한 음성인식 시스템 16
• 3.2. Globalformer 18
• 제4장 실험 및 결과 20
• 4.1. 실험환경 20
• 4.2. 실험에 사용된 데이터셋 21
• 4.2.1. KsponSpeech 21
• 4.2.2. 파킨슨병 환자 데이터셋 22
• 4.3. 평가지표 22
• 4.4. 실험결과 23
• 4.4.1. 네 가지 실험 결과의 비교 23
• 4.4.2. 이전연구와의 비교 28
• 제5장 결론 29
• 참고문헌 31