KR102243325B1 - 시동어 인식 기술을 제공하기 위한 컴퓨터 프로그램 - Google Patents

Abstract

전술한 과제를 해결하기 위한 본 개시의 일 실시예에서, 하나 이상의 프로세서들에 의해 실행 가능한 컴퓨턴 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 상기 하나 이상의 프로세서로 하여금 시동어 인식 기술을 제공하기 위한 동작들을 수행하도록 하며, 상기 동작들은: 사용자 단말을 통해 수신한 사용자의 음성 데이터를 음성 신호 가공 모듈의 입력으로 하여 상기 음성 데이터에 대응하는 하나 이상의 피처를 추출하는 동작, 상기 하나 이상의 피처를 키워드 인식 모델의 입력으로 하여 상기 음성 데이터와 사전 결정된 키워드의 매칭 스코어를 산출하는 동작 및 상기 매칭 스코어에 기초하여 상기 사용자 단말이 음성 기반 사용자 인터페이스를 호출하도록 하는 제어신호를 생성하여 상기 사용자 단말로 전송할 것을 결정하는 동작을 포함할 수 있다.

Description

시동어 인식 기술을 제공하기 위한 컴퓨터 프로그램{COMPUTER PROGRAMS FOR PROVIDING STARTUP LANGUAGE RECOGNITION TECHNOLOGY}

본 개시는 음성 인식 기술에 관한 것으로, 보다 구체적으로 게임 환경 속 시동어 인식 기술을 제공하기 위한 컴퓨터 프로그램에 관한 것이다.

최근 IT기술의 급격한 발달과 함께 게임 산업이 함께 성장하고 있다. 이러한 게임 산업이 성장함에 따라, 게임 서비스를 제공하는 게임 업체 또한 폭발적으로 증가하고 있다. 게임 서비스를 제공하는 게임 업체의 증가로 인해, 게임 서비스 시장의 경쟁이 치열해지고 있다. 이에 따라, 게임 업체들은 각자 제공하는 게임의 경쟁력을 갖추기 위한 노력을 지속적으로 하고 있다. 특히, 게임 업체들은 게임 유저에 대한 게임의 지속성을 유지시키기 위해 편의성을 제공하거나 또는, 흥미 요소를 제공하기 위한 많은 노력을 지속적으로 수행하고 있다.

한편, 딥러닝 기술 적용 분야의 확장으로 인해, 키워드 인식(Keyword Spottiong) 기술의 획기적인 진전이 이루어 지고 있다. 이에 따라, 키워드 인식 기술의 다양한 제품들(예를 들어, Amazon echo, Apple homepod 및 Google home 등)이 실생활 속에 자리매김하고 있으며, 사용자들에게 편의성을 제공하여 높은 만족감을 주고 있다.

이에 따라, 모바일 게임이 수행되는 다양한 환경(예를 들어, 운전 중, 요리 중, 또는 바쁜 상황 등)속에서 음성 기반 사용자 인터페이스의 요구가 빠르게 증가하고 있다.

다만, 게임 유저가 주변 소음이 많은 공간에서 게임을 수행하고자 하는 경우, 음성 인식을 위한 음성 데이터는 많은 노이즈를 포함할 수 있으며, 이는 음성 기반 사용자 인터페이스를 제공하는데 있어, 인식에 대한 정확성 결여의 문제를 유발할 수 있다.

따라서, 모바일 게임 환경에서 견고한 키워드 인식 기술을 통해 게임 유저에게 편의성을 제공하기 위한 컴퓨터 프로그램에 대한 수요가 게임 업계에 존재할 수 있다.

편의성을 제공하기 위한 컴퓨터 프로그램에 대한 수요가 게임 업계에 존재할 수 있다.

한국 등록 특허 KR1935585

본 개시는 전술한 배경기술에 대응하여 안출된 것으로, 게임 환경 속 견고한 키워드 인식 기술을 제공하기 위한 컴퓨터 프로그램에 관한 것이다.

전술한 과제를 해결하기 위한 본 개시의 일 실시예에, 하나 이상의 프로세서들에 의해 실행 가능한 컴퓨터 판독가능 매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 상기 하나 이상의 프로세서로 하여금 시동어 인식 기술을 제공하기 위한 동작들을 수행하도록 하며, 상기 동작들은: 사용자 단말을 통해 수신한 사용자의 음성 데이터를 음성 신호 가공 모듈의 입력으로 하여 상기 음성 데이터에 대응하는 하나 이상의 피처를 추출하는 동작, 상기 하나 이상의 피처를 키워드 인식 모델의 입력으로 하여 상기 음성 데이터와 사전 결정된 키워드의 매칭 스코어를 산출하는 동작 및 상기 매칭 스코어에 기초하여 상기 사용자 단말이 음성 기반 사용자 인터페이스를 호출하도록 하는 제어신호를 생성하여 상기 사용자 단말로 전송할 것을 결정하는 동작을 포함할 수 있다.

대안적으로, 상기 사용자의 음성 데이터에 대한 전처리를 수행하는 동작을 더 포함하고, 상기 음성 데이터에 대한 전처리는, 상기 음성 데이터에 포함된 노이즈를 제거하기 위한 것으로, 상기 음성 데이터에서 주파수가 균일한 백색 노이즈, 주파수가 불규칙한 랜덤 주파수 노이즈 및 신호처리 과정에서 발생 가능한 노이즈 중 적어도 하나의 노이즈를 제거하는 전처리일 수 있다.

대안적으로, 상기 사용자 단말을 통해 수신한 사용자의 음성 데이터를 음성 신호 가공 모듈의 입력으로 하여 상기 음성 데이터에 대응하는 하나 이상의 피처를 추출하는 동작은, 상기 음성 데이터에 대한 고속 퓨리에 변환(STFT: Short-Time Fourier Transform)을 통해 스펙트로그램(Spectrogram)을 출력하는 동작, 상기 스펙트로그램에 대한 멜-필터 뱅크(Mel-Filter Bank)를 통해 멜-스펙트로그램(Mel-Spectrogram)을 획득하는 동작 및 상기 멜-스펙트로그램을 이산 코사인 변환(DCT: Discrete Cosine Transform)으로 처리하여 하나 이상의 피처를 추출하는 동작을 포함할 수 있다.

대안적으로, 상기 하나 이상의 피처는, 상기 음성 데이터를 특징 벡터화한 MFCC(Mel Frequency Cepstral Coefficient) 피처일 수 있다.

대안적으로, 상기 키워드 인식 모델은, 상기 음성 데이터가 상기 음성 기반 사용자 인터페이스를 호출하기 위한 시동어로서 적정한지 여부를 판별하기 위한 모델로, 리사이클 풀링(Recycling Pooling) 기반 컨볼루션 네트워크를 포함할 수 있다.

대안적으로, 상기 키워드 인식 모델은, 컨볼루션 동작을 수행하는 하나 이상의 컨볼루션 레이어 및 리사이클 동작을 수행하는 하나 이상의 리사이클 풀링 레이어를 포함할 수 있다.

대안적으로, 상기 리사이클 동작은, 상기 컨볼루션 연산이 적용된 샘플링 피처맵에 대하여 풀링 윈도우에 포함되는 각각의 레코드를 상이한 채널의 풀링 피처맵에 포함되도록 하는 동작일 수 있다.

대안적으로, 상기 컨볼루션 레이어는, MFCC 피처와 하나 이상의 컨볼루션 필터 각각을 통한 상기 컨볼루션 동작을 통해 샘플링 피처맵 세트를 생성하며, 상기 리사이클 풀링 레이어는, 상기 샘플링 피처맵 세트에 대한 상기 리사이클 동작에 기초하여 풀링 피처맵 세트를 생성할 수 있다.

대안적으로, 상기 풀링 피처맵 세트는, 상기 샘플링 피처맵 세트의 피처맵의 크기 보다 감소된 크기의 피처맵을 포함하며, 상기 샘플링 피처맵 세트에 포함된 피처맵의 수 이상의 피처맵을 포함할 수 있다.

대안적으로, 학습 데이터를 통해 상기 키워드 인식 모델을 학습시키는 동작을 더 포함하고, 그리고 상기 학습 데이터는, 복수의 MFCC 피처를 포함하는 학습 입력 데이터 및 상기 MFCC 피처 각각에 대응하는 복수의 시동어를 포함하는 학습 결과 데이터로 구성될 수 있다.

대안적으로, 상기 음성 기반 사용자 인터페이스는, 상기 사용자의 음성 데이터에 기반하여 게임에 관련한 제어 동작을 허용하기 위한 사용자 인터페이스이며, 상기 게임에 관련한 제어 동작은, 플레이 제어 동작 및 어플리케이션 제어 동작 중 적어도 하나의 제어 동작을 포함할 수 있다.

본 개시의 다른 실시예에서, 시동어 인식 기술을 제공하기 위한 컴퓨팅 장치가 개시된다. 상기 컴퓨팅 장치는, 하나 이상의 코어를 포함하는 프로세서, 상기 프로세서에서 실행가능한 프로그램 코드들을 포함하는 메모리 및 사용자 단말과 데이터를 송수신하는 네트워크부를 포함하고, 그리고 상기 프로세서는, 사용자 단말을 통해 수신한 사용자의 음성 데이터를 음성 신호 가공 모듈의 입력으로 하여 상기 음성 데이터에 대응하는 하나 이상의 피처를 추출하고, 상기 하나 이상의 피처를 키워드 인식 모델의 입력으로 하여 상기 음성 데이터와 사전 결정된 키워드의 매칭 스코어를 산출하고, 그리고 상기 매칭 스코어에 기초하여 상기 사용자 단말이 음성 기반 사용자 인터페이스를 호출하도록 하는 제어 신호를 생성하여 상기 사용자 단말로 전송할 것을 결정할 수 있다.

본 개시의 또 다른 실시예에서, 시동어 인식 기술을 제공하기 위한 방법이 개시된다. 상기 방법은, 사용자 단말을 통해 수신한 사용자의 음성 데이터를 음성 신호 가공 모듈의 입력으로 하여 상기 음성 데이터에 대응하는 하나 이상의 피처를 추출하는 단계, 상기 하나 이상의 피처를 키워드 인식 모델의 입력으로 하여 상기 음성 데이터와 사전 결정된 키워드의 매칭 스코어를 산출하는 단계 및 상기 매칭 스코어에 기초하여 상기 사용자 단말이 음성 기반 사용자 인터페이스를 호출하도록 하는 제어 신호를 생성하여 상기 사용자 단말로 전송할 것을 결정하는 단계를 포함할 수 있다.

본 개시는 게임 환경 속에서 견고한 시동어 인식 기술을 제공하기 위한 컴퓨터 프로그램을 제공할 수 있다.

다양한 양상들이 이제 도면들을 참조로 기재되며, 여기서 유사한 참조 번호들은 총괄적으로 유사한 구성요소들을 지칭하는데 이용된다. 이하의 실시예에서, 설명 목적을 위해, 다수의 특정 세부사항들이 하나 이상의 양상들의 총체적 이해를 제공하기 위해 제시된다. 그러나, 그러한 양상(들)이 이러한 구체적인 세부사항들 없이 실시될 수 있음은 명백할 것이다.
도 1은 본 개시의 일 실시예에 따른 시동어 인식 기술을 제공하기 위한 동작을 수행하는 컴퓨팅 장치의 블록 구성도를 도시한 도면이다.
도 2는 본 개시의 일 실시예와 관련된 리사이클 풀링 레이어 기반의 컨볼루션 뉴럴 네트워크의 구조를 예시적으로 도시한다.
도 3은 본 개시의 일 실시예와 관련된 깨끗한 데이터와 노이즈를 포함하는 음성 데이터에 대하여 맥스 풀링 기반 컨볼루션 뉴렬 네트워크 및 리사이클 풀링 레이어 기반의 컨볼루션 뉴럴 네트워크 각각을 통해 측정된 인식의 정확도를 비교하기 위한 실험 결과에 대한 예시도이다.
도 4는 본 개시의 일 실시예와 관련된 시동어가 인식됨에 따라 사용자 단말에 호출되는 음성 기반 사용자 인터페이스를 예시적으로 나타낸 도면이다.
도 5는 본 개시의 일 실시예에 관련된 네트워크 함수를 나타낸 개략도이다.
도 6은 본 개시의 일 실시예와 관련된 시동어 인식 기술을 제공하기 위한 방법을 예시적으로 나타낸 순서도이다.
도 7은 본 개시의 일 실시예와 관련된 시동어 인식 기술을 제공하기 위한 방법을 구현하기 위한 로직을 도시한 도면이다.
도 8은 본 개시의 일 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.

다양한 실시예들이 이제 도면을 참조하여 설명된다. 본 명세서에서, 다양한 설명들이 본 개시의 이해를 제공하기 위해서 제시된다. 그러나, 이러한 실시예들은 이러한 구체적인 설명 없이도 실행될 수 있음이 명백하다.

본 명세서에서 사용되는 용어 "컴포넌트", "모듈", "시스템" 등은 컴퓨터-관련 엔티티, 하드웨어, 펌웨어, 소프트웨어, 소프트웨어 및 하드웨어의 조합, 또는 소프트웨어의 실행을 지칭한다. 예를 들어, 컴포넌트는 프로세서상에서 실행되는 처리과정(procedure), 프로세서, 객체, 실행 스레드, 프로그램, 및/또는 컴퓨터일 수 있지만, 이들로 제한되는 것은 아니다. 예를 들어, 컴퓨팅 장치에서 실행되는 애플리케이션 및 컴퓨팅 장치 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세서 및/또는 실행 스레드 내에 상주할 수 있다. 일 컴포넌트는 하나의 컴퓨터 내에 로컬화 될 수 있다. 일 컴포넌트는 2개 이상의 컴퓨터들 사이에 분배될 수 있다. 또한, 이러한 컴포넌트들은 그 내부에 저장된 다양한 데이터 구조들을 갖는 다양한 컴퓨터 판독가능한 매체로부터 실행할 수 있다. 컴포넌트들은 예를 들어 하나 이상의 데이터 패킷들을 갖는 신호(예를 들면, 로컬 시스템, 분산 시스템에서 다른 컴포넌트와 상호작용하는 하나의 컴포넌트로부터의 데이터 및/또는 신호를 통해 다른 시스템과 인터넷과 같은 네트워크를 통해 전송되는 데이터)에 따라 로컬 및/또는 원격 처리들을 통해 통신할 수 있다.

더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.

또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하는 것으로 이해되어야 한다. 다만, "포함한다" 및/또는 "포함하는"이라는 용어는, 하나 이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다. 또한, 달리 특정되지 않거나 단수 형태를 지시하는 것으로 문맥상 명확하지 않은 경우에, 본 명세서와 청구범위에서 단수는 일반적으로 "하나 또는 그 이상"을 의미하는 것으로 해석되어야 한다.

당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시 적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.

제시된 실시예들에 대한 설명은 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이다. 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예들로 한정되는 것이 아니다. 본 발명은 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

본 개시내용의 청구범위에서의 방법에 대한 권리범위는, 각 단계들에 기재된 기능 및 특징들에 의해 발생되는 것이지, 방법을 구성하는 각각의 단계에서 그 순서의 선후관계를 명시하지 않는 이상, 청구범위에서의 각 단계들의 기재 순서에 영향을 받지 않는다. 예를 들어, A단계 및 B단계를 포함하는 방법으로 기재된 청구범위에서, A단계가 B단계 보다 먼저 기재되었다고 하더라도, A단계가 B단계에 선행해야한다는 것으로 권리범위가 제한되지는 않는다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100) 및 하나 이상의 사용자 단말은 무선 및/또는 유선을 통한 상호 연결을 통해 데이터를 전송할 수 있고, 그리고 수신할 수 있다.

사용자 단말은, PC(personal computer), 노트북(note book), 모바일 단말기(mobile terminal), 스마트 폰(smart phone), 태블릿 PC(tablet pc) 등을 포함할 수 있으며, 유/무선 네트워크에 접속할 수 있는 모든 종류의 단말을 포함할 수 있다.

사용자 단말은 게임 서버에 접속하여 게임 서버에서 제공하는 게임을 수행할 수 있으며, 게임을 수행하는 과정에서 사용자 단말의 사용자로부터 발화된 음성 데이터를 획득할 수 있다. 또한, 사용자 단말은 사용자의 발화에 관련한 음성 데이터를 획득하여 컴퓨팅 장치로 전송할 수 있다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 사용자 단말로부터 게임 수행 속 사용자의 발화에 관련한 음성 데이터를 수신하는 경우, 해당 음성 데이터가 음성 기반 사용자 인터페이스를 호출하기 위한 시동어인지 여부를 판별할 수 있다. 본 개시의 컴퓨팅 장치(100)는 전자 형태의 데이터를 연산할 수 있는 모든 종류의 컴퓨팅 장치를 포함할 수 있으며, 예를 들어, 퍼스널 컴퓨터, 서버 컴퓨터 등의 일반 컴퓨팅 장치 및 모바일 단말(스마트폰(smartphone), 테블릿(tablet)) 등의 제한된 연산 능력을 가진 컴퓨팅 장치 등을 포함할 수 있다. 또한, 컴퓨팅 장치는, 모바일 기기에 최적화된 작업을 위한 인퍼런스 엔진으로 Google firebase SDK의 TensorFlow Lite를 활용할 수 있다.

또한, 컴퓨팅 장치(100)는 시동어 인식과 관련하여 사용자 단말의 사용자로 하여금 음성을 통해 게임에 대한 제어를 수행하도록 음성 기반 사용자 인터페이스를 제공할 수 있다. 구체적으로, 컴퓨팅 장치(100)는 모바일 게임이 수행되는 다양한 환경(예를 들어, 운전 중, 요리 중, 또는 바쁜 상황 등)속에서 견고한 키워드 인식에 기초하여 음성 기반 사용자 인터페이스를 제공할 수 있다. 구체적으로, 프로세서(120)는 모바일 게임 환경에서 심층 신경망을 통한 키워드 검색 작업을 수행하기 위한 효과적인 방법을 제공할 수 있다. 이를 위해, 본 개시에서는 리사이클 풀링 레이어의 새로운 신경망 레이어를 제시한다. 본 개시의 리사이클 풀링 레이어 기반의 콘볼루션 네트워크 구조는 모바일 게임 환경에서 깨끗한 또는, 노이즈를 포함한 음성 데이터 모두에서 키워드 검색 기능을 향상시킬 수 있다.

본 개시에서 컴퓨팅 장치(100)가 하나 이상의 사용자 단말로부터 수신한 음성 데이터를 시동어로 판별하는 과정 및 시동어가 인식됨에 따라 사용자 단말에 제공하는 음성 기반 사용자 인터페이스에 대한 구체적인 설명은 이하의 도면들을 참조하여 후술하도록 한다.

도 1은 본 개시의 일 실시예에 따라 시동어 인식 기술을 제공하기 위한 동작을 수행하는 컴퓨팅 장치의 블록 구성도를 도시한다. 컴퓨팅 장치(100)는 시동어 인식 기술 제공 방법 또는, 키워드 인식 모델의 학습 방법을 제공할 수 있다.

도 1에 도시된 바와 같이, 컴퓨팅 장치(100)는 네트워크부(110), 프로세서(120) 및 메모리(130)를 포함할 수 있다. 전술한 컴포넌트들은 예시적인 것으로, 본 개시내용의 권리범위가 전술한 컴포넌트들로 제한되지 않는다. 즉, 본 개시내용의 실시예들에 대한 구현 양태에 따라서 추가적인 컴포넌트들이 포함되거나 또는 전술한 컴포넌트들 중 일부가 생략될 수 있다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 하나 이상의 사용자 단말과 데이터를 송수신하는 네트워크부(110)를 포함할 수 있다. 구체적으로, 네트워크부(110)는 본 개시의 일 실시예에 따른 음성 데이터, 해당 음성 데이터를 통해 획득한 하나 이상의 피처에 대한 정보를 하나 이상의 사용자 단말과 송수신할 수 있다.

예를 들어, 컴퓨팅 장치(100)는 네트워크부(110)를 통해 하나 이상의 사용자 단말 각각으로부터 사용자의 발화에 관련한 음성 데이터를 수신할 수 있다. 다른 예를 들어, 컴퓨팅 장치(100)는 네트워크부(110)를 통해 사용자 단말이 음성 기반 사용자 인터페이스를 표시하도록 하는 제어신호를 사용자 단말로 전송할 수 있다. 전술한 네트워크부가 송수신하는 정보에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

컴퓨팅 장치(100)의 메모리(130)는 프로세서(120)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(110)가 수신한 임의의 형태의 정보를 저장할 수 있다. 또한, 메모리(130)는 컴퓨팅 장치(100)의 다양한 기능을 지원하는 데이터들을 저장할 수 있다. 메모리(130)는 컴퓨팅 장치(100)에서 구동되는 다수의 응용 프로그램, 명령어를 저장할 수 있다. 이러한 응용 프로그램 중 적어도 하나는 출시 당시부터 컴퓨팅 장치(100)에 존재할 수 있다. 예를 들어, 메모리(130)는 사용자의 음성 데이터를 입력으로 하여 피처를 추출하기 위한 응용 프로그램들을 저장하고 있을 수 있다. 다른 예를 들어, 메모리(130)는 컴퓨팅 장치(100)의 시동어 인식 방법을 수행하기 위해 사전 학습된 신경망을 저장하고 있을 수 있다. 전술한 메모리가 저장하는 정보들에 대한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따르면, 프로세서(120)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다. 프로세서(120)는 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 기계 학습을 위한 데이터 처리를 수행할 수 있다. 본 개시의 일실시예에 따라 프로세서(120)는 신경망의 학습을 위한 연산을 수행할 수 있다. 프로세서(120)는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다. 프로세서(120)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 개시의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.

프로세서(120)는 메모리(130)에 저장된 컴퓨터 프로그램을 판독하여 본 개시의 일 실시예에 따른 키워드 인식 모델을 제공할 수 있다. 본 개시의 일 실시예에 따라 프로세서(120)는 음성 데이터에 기초하여 시동어를 인식하기 위한 계산을 수행할 수 있다. 본 개시의 일 실시예에 따라 프로세서(120)는 키워드 인식 모델을 학습시키기 위한 계산을 수행할 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(120)는 통상적으로 컴퓨팅 장치(100)의 전반적인 동작을 처리할 수 있다. 프로세서(120)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(130)에 저장된 응용 프로그램을 구동함으로써, 사용자 단말에게 적정한 정보 또는, 기능을 제공하거나 처리할 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(120)는 사용자 단말을 통해 수신한 사용자의 음성 데이터를 수신할 수 있다. 음성 데이터는 사용자의 발화에 관련한 음성 데이터로, 사용자 단말을 통한 게임 수행 환경에서 다양한 노이즈를 포함하는 사용자의 발화에 관련한 음성 데이터일 수 있다.

프로세서(120)는 네트워크부(110)를 통해 음성 데이터를 수신할 수 있다. 본 개시의 일 실시예에 따른 음성 데이터의 수신은, 메모리(130)에 저장된 음성 데이터를 수신하거나 또는, 로딩(loading) 하는 것일 수 있다. 음성 데이터의 수신은, 유/무슨 통신 수단에 기초하여 다른 저장 매체, 다른 컴퓨팅 장치, 동일한 컴퓨팅 장치 내의 별도 처리 모듈로부터 음성 데이터를 수신하거나 또는 로딩 하는 것일 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(120)는 사용자 단말로부터 수신한 음성 데이터에 대한 전처리를 수행할 수 있다. 프로세서(120)는 음성 데이터에 대한 인식률을 높이기 위한 전처리를 수행할 수 있다. 음성 데이터에 대한 전처리는, 사용자 단말이 수신한 음성 데이터에 포함된 노이즈(즉, 주변 소음)을 제거하기 위한 것일 수 있다. 즉, 프로세서(120)는 음성 데이터에 포함된 음성의 파형을 분석하여, 발화 이외의 소리를 제거할 수 있다. 구체적으로, 프로세서(120)는 음성 데이터의 주파수를 분석하여 적어도 하나의 특정 주파수를 제거할 수 있다. 프로세서(120)는 사용자 단말로부터 수신하는 음성 데이터는 주파수가 균일한 백색 노이즈, 주파수가 불규칙한 랜덤 주파수 노이즈 또는, 녹음 장치나 신호처리 과정에 따라 발생하는 다양한 노이즈를 포함할 수 있다. 즉, 프로세서(120)는 음성 데이터 각각에 포함된 다양한 주파수를 갖는 노이즈를 제거하는 전처리를 수행할 수 있다. 구체적인 예를 들어, 프로세서(120)는 음성 데이터에 포함된 잡음의 종류를 판별하기 위해 SVM(Supporting Vector Machine)과 같은 기계학습 알고리즘을 이용하여 분류하고, 각각의 상이한 주파수를 포함하는 노이즈 각각에 대응하는 노이즈 제거 알고리즘을 통해 노이즈를 제거할 수 있다. 전술한 노이즈 제거 알고리즘은 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

즉, 프로세서(120)는 사용자 단말로부터 수신한 사용자의 음성 데이터에 대한 전처리를 통해 음성 데이터에 포함된 노이즈를 제거함으로써, 이하에서 후술될 시동어 인식에 관련한 인식 정확도를 향상시킬 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(120)는 사용자 단말을 통해 수신한 사용자의 음성 데이터를 음성 신호 가공 모듈의 입력으로 하여 음성 데이터에 대응하는 하나 이상의 피처를 추출할 수 있다. 음성 신호 가공 모듈은, 사용자의 음성 데이터로부터 피처를 추출하기 위한 모듈일 수 있다. 구체적으로, 음성 신호 가공 모듈은 음성 데이터에 대한 가공을 통해 해당 음성 데이터에 대응하는 하나 이상의 피처를 추출하기 위한 모듈일 수 있다. 음성 데이터에 대한 가공은, 음성 데이터를 키워드 인식 모델에 포함된 하나 이상의 네트워크 함수에서 처리되기 위한 형식으로 데이터를 가공하는 과정을 의미할 수 있다. 예를 들어, 음성 데이터에 대한 가공은, 음성 데이터의 적어도 일부의 데이터를 삭제하거나, 변환하거나, 키워드 인식 모델에 입력되기 위한 포맷으로 전환하는 동작을 포함할 수 있다. 또한, 음성 데이터에 대한 가공은, 음성 데이터의 파형을 일부 보정하는 것을 의미할 수 있다. 이하에서는, 음성 신호 가공 모듈이 수신한 음성 데이터를 하나 이상의 네트워크 함수(즉, 키워드 인식 모델)에서 처리되기 위한 형식으로 가공하는 과정에 대하여 상세히 설명하도록 한다.

본 개시의 일 실시예에 따르면, 음성 신호 가공 모듈은 음성 데이터에 대한 단시간 푸리에 변환(STFT: Short-Time Fourier Transform)을 통해 음성 데이터에 대응하는 스펙트로그램(Spectrogram)을 출력할 수 있다. 구체적으로, 음성 신호 가공 모듈은 음성 데이터에 대하여 hann 함수(또는, Hanning 함수)를 윈도우 함수로 적용하고, 128개 샘플의 홉 크기(hop size)를 갖는 각 512개 샘플 윈도우에 대해 고속 푸리에 변환을 수행하여 음성 데이터를 스펙트로그램으로 변환하여 출력할 수 있다. 스펙트로그램은, 소리나 파동을 시각화하여 파악하기 위한 것으로, 파형(waveform)과 스펙트럼(spectrum)의 특징이 조합된 것일 수 있다. 스펙트로그램은 시간 축과 주파수 축의 변화에 따라 진폭을 차이를 인쇄 농도 또는, 표시 색상의 차이로 나타낸 것일 수 있다.

또한, 음성 신호 가공 모듈은, 스펙트로그램에 대한 멜-필터 뱅크(Mel-Filter Bank)를 통해 멜-스펙트로그램(Mel-Spectrogram)을 획득할 수 있다. 일반적으로, 인간의 달팽이관은 음성 데이터의 주파수에 따라 진동하는 부위가 상이할 수 있다. 또한, 인간의 달팽이관은 주파수가 낮은 대역에서 주파수 변화를 잘 감지하며, 높은 대역에서의 주파수 변화를 잘 감지하지 못하는 특성을 가지고 있다. 이에 따라, 음성 데이터에 대한 인간의 달팽이관의 특성과 유사한 인식 능력을 갖도록 멜-필터 뱅크를 활용하여 스펙트로그램으로부터 멜-스펙트로그램을 획득할 수 있다. 즉, 멜-필터 뱅크는, 낮은 주파수 대역에서 적은 필터 뱅크를 적용하고, 고대역으로 갈수록 넓은 필터 뱅크를 적용하는 것 일 수 있다. 다시 말해, 음성 신호 가공 모듈은 인간의 달팽이관의 특성과 유사하도록 음성 데이터를 인식하기 위해 멜-필터 뱅크를 스펙트로그램에 적용함으로써, 멜-스펙트로그램을 획득할 수 있다. 즉, 멜-스펙트로그램은 인간의 청각 특성이 반영된 주파수 성분을 포함할 수 있다.

또한, 음성 신호 가공 모듈은, 멜-스펙트로그램을 이산 코사인 변환(DCT: Discrete Cosine Transform)으로 처리하여 하나 이상의 피처를 추출할 수 있다. 구체적으로, 멜 스펙트로그램에 대한 이산 코사인 변환 결과에서 계수를 40(즉, 40개의 주파수 구역(band))으로 결정할 수 있다. 즉, 음성 신호 가공 모듈을 통해 추출되는 하나 이상의 피처는, MFCC(Mel-frequency cepstral coefficients) 피처일 수 있다. MFCC 피처는 스펙트럼이 어떤 형태로 구성되어 있는지를 나타내는 특성값과 관련한 것일 수 있다.

즉, 음성 신호 가공 모듈은, 사용자의 음성 데이터에 대한 가공을 통해 해당 음성 데이터에 대응하는 하나 이상의 피처를 추출할 수 있으며, 하나 이상의 피처는 사용자 단말을 통해 수신한 음성 데이터를 특징 벡터화한 MFCC 피처일 수 있다. 예를 들어, 음성 신호 가공 모듈을 통해 추출된 MFCC 피처는, 1초의 음성 데이터에 대하여 122x40의 해상도를 가질 수 있다. 전술한 MFCC 피처의 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에 따르면, 프로세서(120)는 하나 이상의 피처를 키워드 인식 모델의 입력으로 하여 음성 데이터가 음성 기반 사용자 인터페이스를 호출하기 위한 시동어로서 적정한지 여부를 판별할 수 있다. 구체적으로, 프로세서(120)는 사용자의 음성 데이터를 음성 신호 가공 모듈로 처리하여 추출된 하나 이상의 피처를 키워드 인식 모델의 입력으로 하여 음성 데이터와 사전 결정된 키워드의 매칭 스코어를 산출함으로써, 해당 음성 데이터가 음성 기반 사용자 인터페이스를 호출하기 위한 시동어로서 적정한지 여부를 판별할 수 있다. 키워드 인식 모델은, 음성 데이터에 대응하는 MFCC 피처에 기초하여 음성 데이터에 대응하는 스코어를 산출하기 위한 심층 신경망 모델일 수 있다.

즉, 키워드 인식 모델은, 사용자 단말을 통해 수신한 음성 데이터와 사전 결정된 키워드간 매칭 유사도가 높은 경우, 높은 매칭 스코어를 산출하고, 매칭 유사도가 낮은 경우, 낮은 매칭 스코어를 산출하도록 학습된 신경망 모델(또는, 하나 이상의 네트워크 함수)일 수 있다. 키워드 인식 모델은, 프로세서(120)에 의해 학습된 신경망 모델일 수 있다. 프로세서(120)는 학습 데이터를 통해 키워드 인식 모델을 학습시킬 수 있다. 학습 데이터는 복수의 MFCC피처를 포함하는 학습 입력 데이터 및 MFCC 피처 각각에 대응하는 복수의 시동어를 포함하는 학습 결과 데이터로 구성될 수 있다.

이하에서는, 키워드 인식 모델이 하나 이상의 피처(즉, MFCC 피처)를 입력으로 하여 음성 데이터가 시동어인지 여부를 판별하는 방법에 대하여 상세히 설명하도록 한다.

키워드 인식 모델은 음성 데이터가 음성 기반 사용자 인터페이스를 호출하기 위한 시동어로서 적정한지 여부를 판별하기 위한 모델일 수 있으며, 리사이클 풀링 기반 컨볼루션 네트워크를 포함할 수 있다. 구체적으로, 키워드 인식 모델은, 컨볼루션 동작을 수행하는 하나 이상의 컨볼루션 레이어 및 리사이클 동작을 수행하는 하나 이상의 리사이클 풀링 레이어를 포함할 수 있다.

자세히 설명하면, 키워드 인식 모델은 컨볼루션 레이어를 통해 MFCC 피처(210)와 하나 이상의 컨볼루션 필터 각각의 컨볼루션 동작을 통해 샘플링 피처맵 세트를 생성할 수 있다. 하나 이상의 컨볼루션 필터는, MFCC 피처와의 컨볼루션을 수행하기 위한 하나 이상의 필터(또는, 커널(kernel))를 의미할 수 있다. 예를 들어, MFCC 피처와 제 1 컨볼루션 필터와의 컨볼루션 수행 결과 제 1 샘플링 피처맵이 생성될 수 있으며, MFCC 피처와 제 2 컨볼루션 필터와의 컨볼루션 수행 결과 제 2 샘플링 피처맵이 생성될 수 있다. 이 경우, 제 1 샘플링 피처맵 및 제 2 샘플링 피처맵은 샘플링 피처맵 세트를 구성할 수 있다. 전술한 컨볼루션 필터 및 샘플링 피처맵에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

즉, 샘플링 피처맵 세트에 포함된 샘플링 피처맵의 수(즉, 피처맵의 채널 수)는 MFCC 피처와 컨볼루션을 수행하는 하나 이상의 컨볼루션 필터의 수에 대응될 수 있다.

구체적인 예를 들어, 도 2을 참조하면, 컨볼루션 레이어는 MFCC 피처(210)와 하나 이상의 컨볼루션 필터 각각과의 컨볼루션을 수행할 수 있으며, 64개 샘플링 피처맵을 포함하는 샘플링 피처맵 세트(220)를 생성할 수 있다. 이 경우, MFCC 피처(210)와 컨볼루션되는 하나 이상의 컨볼루션 필터의 수는 64개일 수 있다. 즉, MFCC 피처(210)와 64개의 컨볼루션 필터 각각과의 컨볼루션 결과 64개의 피처맵을 포함하는 샘플링 피처맵 세트(220)가 생성될 수 있다. 전술한 컨볼루션 필터 및 샘플링 피처맵의 구체적인 수치에 대한 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

또한, 키워트 인식 모델은, 리사이클 풀링 레이어를 통해 샘플링 피처맵 세트에 대한 리사이클 동작을 수행하여 풀링 피처맵 세트를 생성할 수 있다. 키워드 인식 모델에 포함된 리사이클 풀링 레이어에서 수행되는 리사이클 동작은, 컨볼루션 연산이 적용된 샘플링 피처맵에 대하여 풀링 윈도우에 포함되는 각각의 레코드를 상이한 채널의 풀링 피처맵에 포함되도록 하는 동작일 수 있다.

일반적인 컨볼루션 뉴럴 네트워크에 기반한 신경망 모델은 Max-pooling 방식을 활용한다. Max-pooling 방식은 컴퓨터 비전 작업에서 딥 러닝 기반 분류 및 탐지에서 많이 활용되는 방식으로, 이미지에 대한 분류 및 탐지에서 다량의 피처로 인한 오버피팅(overfitting)의 우려를 방지할 수 있다. 다만, 일반적인 Max-pooling 방식의 CNN을 통해 음성 데이터에 대응하는 피처를 추출하고자 하는 경우, 음성 데이터에 대응하는 주요 피처가 제거됨에 따라, 인식의 정확성이 저감될 우려가 존재한다. 구체적으로, Max-pooling은 특정 커널 사이즈에 포함된 레코드들 중 최대값의 레코드만들 피처로 추출하기 때문에, 나머지 레코드들에 대응하는 피처값의 손실이 발생할 수 있다.

구체적인 예를 들어, 제 1 피처맵에 stride 2를 사용하여 Max-pooling의 2x2 커널을 적용하는 경우, Max-pooling은, 제 1 피처맵에서 해당 커널 사이즈에 대응하는 4개의 레코드 중 최대값인 하나의 피처만을 추출함으로, 피처의 75%(즉, 나머지 3개의 피처)가 제거될 수 있다.

이에 따라, 본 개시는 리사이클 풀링 레이어를 도입한 새로운 컨볼루션 네트워크 구조를 제시한다. 본 개시에 따른, 리사이클 풀링 레이어는 샘플링 피처맵 세트(즉, 컨볼루션 연산이 적용된 샘플링 피처맵들의 조합)에 대한 리사이클 동작을 통해 풀링 피처맵 세트를 생성할 수 있다.

도 2를 참조하여 보다 구체적으로 설명하면, 컨볼루션 연산이 적용된 샘플링 피처맵 세트(220)는 리사이클 풀링 레이어의 리사이클 동작을 통해 풀링 피처맵 세트(240)를 생성할 수 있다. 도 2에 도시된 바와 같이, 샘플링 피처맵 세트(220)는 122x40의 해상도를 가지며 64개의 피처맵을 포함할 수 있다. 또한, 샘플링 피처맵 세트(220)에 포함된 각각의 피처맵은 복수의 레코드들을 포함할 수 있다. 이 경우, 풀링 윈도우(즉, 커널 사이즈 2, 스타라이드 2)에 대응하는 리사이클 동작을 통해, 샘플링 피처맵에 포함된 복수의 레코드들 각각이 상이한 채널의 풀링 피처맵에 재배열될 수 있다. 구체적으로, 각 피처맵에 대응하여 풀링 윈도우가 순차적으로 이동(즉, 스트라이드 2에 대응하여 2칸씩 이동)함에 따라, 동일한 레코드 값들을 각각의 채널 공간으로 재배열할 수 있다. 즉, 도 2에 도시된 바와 같이, 샘플링 피처맵 세트의 제 1 샘플링 피처맵에서 풀링 윈도우의 이동에 따라 제 1 채널(231)의 제 1 풀링 피처맵에는 '1'에 해당하는 레코드들이 재배치되고, 제 2 채널(232)의 제 1 풀링 피처맵에는 '2'에 해당하는 레코드들이 재배치되고, 제 3 채널(233)의 제 1 풀링 피처맵에는 '3'에 해당하는 레코드들이 재배치되고, 그리고 제 4 채널(234)의 제 1 풀링 피처맵에는 '4'에 해당하는 레코드들이 재배치될 수 있다. 즉, 리사이클 풀링 레이어에서 상술한 바와 같은 리사이클 동작이 수행됨에 따라, 풀링 피처맵 세트(240)가 생성될 수 있다. 이 경우, 풀링 피처맵 세트(240)는, 샘플링 피처맵 세트의 피처맵의 크기 보다 감소된 크기의 피처맵을 포함하며, 샘플링 피처맵 세트에 포함된 피처맵의 수 보다 많은 수의 피처맵을 포함할 수 있다.

구체적으로, 생성된 풀링 피처맵 세트(240)는, 풀링 윈도우(즉, 커널 사이즈 2, 스타라이드 2)에 기초한 리사이클 동작에 따라 해상도가 절반으로 감소될 수 있다. 또한, 샘플링 피처맵 각각에 포함된 레코드들(즉, 1, 2, 3, 4에 관련한 레코드들)을 상이한 채널로 재배열함에 따라 4개의 채널이 형성되어, 풀링 피처맵 세트(240)에 포함된 피처맵의 수가 샘플링 피처맵 세트에 포함된 피처맵의 수 보다 4배 증가할 수 있다. 즉, 도 2에 도시된 바와 같이, 리사이클 풀링 레이어는 122x44x64 피처맵을 61x20x256으로 재구성할 수 있다.

또한, 키워드 인식 모델은 풀링 피처맵 세트에 대한 재차 컨볼루션을 수행하고 풀리 커넥티드를 레이어(Fully Connected Layer)로 처리함으로써, 매칭 스코어(250)를 출력할 수 있다.

따라서, 풀링 과정에서 피처의 손실없이, 모든 피처를 활용함으로써, 인식 정확도가 향상될 수 있다. 다시 말해, 리사이클 풀링 레이어가 다중 해상도 작업으로 동작함에 따라 출력의 정확도가 향상될 수 있다. 도 2를 참조하여 전술한 키워드 인식 모델을 구성하는 각 레이어들의 동작 방법 및 레이어 각각의 수에 대한 구체적인 기재들은 예시일 뿐, 본 개의 키워드 인식 모델에 포함된 각 레이어들은 복수 개로 존재할 수 있으며, 각 레이어에서의 채널의의 크기 및 개수가 전술한 기재로 제한되지 않음이 당 업계의 통상의 기술자에게 명백할 것이다.

도 3은 본 개시의 일 실시예와 관련된 깨끗한 음성 데이터와 노이즈를 포함하는 음성 데이터 각각에 대하여 맥스 풀링 기반 컨볼루션 뉴렬 네트워크 및 리사이클 풀링 레이어 기반의 컨볼루션 뉴럴 네트워크 각각을 통해 측정된 인식의 정확도를 비교하기 위한 실험 결과에 대한 예시도이다.

기존 Max-pooling 기반 컨볼루션 뉴럴 네트워크와 리사이클 풀링 기반의 컨볼루션 뉴럴 네트워크 간의 성능 비교를 위해 다양한 환경에서 데이터 세트를 구축하여 성능 실험을 진행하였다. 구체적으로, 사무실, 가정, 식당, 운정 차량 등에서 수집한 데이터를 통해 양성 데이터 세트를 구축하였으며, 라디오, 텔레비전, 대화 등에서 수집한 데이터를 통해 음성 데이터 세트를 구축하였다. 또한, 문장의 일부만을 포함(즉, 미완성 문장)하는 포함하는 발화에 관련한 음성 데이터를 확보하여 음성 데이터 세트에 추가적으로 부가하였다.

각각 네트워크 함수의 성능 비교에 관한 실험을 위해 다양한 환경에서 109명의 사용자로부터 50,000개의 양성 데이터 세트와 80,000개의 음성 데이터 세트를 통해 훈련 데이터 세트를 구축하였다. 이후, 256 배치 크기(Batch Size)의 60 에폭(Epoch)으로 각 신경망 모델에 대한 훈련(training)을 진행하였다. 훈련 기간 동안 처음 56 에폭에 대해 학습 속도를 10의 3승으로 설정하고, 나머지 에폭(즉, 3개의 에폭)에 대해 학습 속도를 10의 -4승으로 설정하여 학습을 수행하였다. 또한, 유효성 검사를 위한 유효성 검사 데이터 셋으로 10%데이터를 랜덤하게 선별하여 유효성을 검증하였다.

또한, 깨끗한 환경(즉, 음성 데이터에 노이즈가 포함되지 않는 환경)과 노이즈가 존재하는 환경 각각에서 13명의 사용자로부터 약 400개의 발화를 수집하여 동일한 크기로 양성 테스트 데이터 세트 및 음성 테스트 데이터 세트를 구축하였다.

양성 테스트 데이터 세트 및 음성 테스트 데이터 세트를 포함하는 테스트 데이터 세트를 통한 각 컨볼루션 뉴럴 네트워크의 테스트 결과 도 3과 같은 ROC(receiver operating characteristics) 곡선이 획득되었다.

구체적으로, 모델의 성능은 FPR(false positive rate) 및 TPR(true positive rate)에 기초하여 ROC 곡선으로 산출되며, 곡선 아래의 면적(AUC: Area Under the Curve) 이 높을수록 성능이 좋음으로 판단할 수 있다.

도 3에 도시된 바와 같이, 깨끗한 환경 및 노이즈가 존재하는 환경 모두에서 기존 컨볼루션 뉴럴 네트워크(즉, Max-pooling) 보다 리사이클 풀링 기반 컨볼루션 뉴럴 네트워크가 향상된 성능을 보이는 것을 확인할 수 있다. 특히, 노이즈가 많은 환경에서 획득한 데이터에 대한 키워드 인식 정확성이 보다 많이 향상된 것을 확인할 수 있다.

즉, 본 개시의 일 실시예에 따른 리사이클 풀링 레이어 기반 컨볼루션 뉴럴 네트워크를 포함하는 키워드 인식 모델을 활용하는 경우, 깨끗한 환경 및 노이즈가 포함된 환경 모두에서 시동어 인식의 판별 기준이 되는 매칭 스코어의 산출 정확도가 향상될 수 있다.

본 개시의 일 실시예에 따르면, 프로세서(120)는 사용자의 음성 데이터에 기초하여 음성 기반 사용자 인터페이스를 제공할 수 있다. 구체적으로, 프로세서(120)는 사용자 단말로부터 수신한 음성 데이터에 대응하는 하나 이상의 피처를 추출하고, 하나 이상의 피처를 키워드 인식 모델의 입력으로 하여 사전 결정된 키워드와의 매칭 스코어를 산출할 수 있다. 프로세서(120)는 산출된 매칭 스코어에 기초하여 사용자 단말이 음성 기반 사용자 인터페이스를 호출하도록 하는 제어신호를 생성하여 사용자 단말로 전송함으로써, 사용자 단말에 음성 기반 사용자 인터페이스를 제공할 수 있다.

음성 기반 사용자 인터페이스는, 사용자 음성 데이터에 기반하여 게임에 관련한 제어 동작을 허용하기 위한 사용자 인터페이스일 수 있다. 구체적으로, 사용자의 음성 데이터가 시동어로 판별됨에 따라 사용자 단말에 음성 기반 사용자 인터페이스가 호출되는 경우, 음성 기반 사용자 인터페이스는 사용자 단말의 사용자로 하여금 음성을 통해 게임을 제어하도록 허용할 수 있다. 게임에 관련한 제어 동작은, 플레이 제어 동작 및 어플리케이션 제어 동작 중 적어도 하나의 제어 동작을 포함할 수 있다.

플레이 제어 동작은, 사용자 단말에 제공되는 게임에 관련한 캐릭터의 플레이를 제어하는 동작일 수 있다. 예를 들어, 시동어가 인식됨에 따라, 음성 기반 사용자 인터페이스가 호출된 이후, 사용자의 '캐릭터를 사냥터로 이동시켜'라는 발화에 대응하는 음성 데이터를 수신하는 경우, 사용자 단말을 통한 사용자의 별도의 입력 조작 없이, 해당 캐릭터를 사냥터로 이동시키는 제어 동작이 수행될 수 있다. 다른 예를 들어, 시동어가 인식됨에 따라, 음성 기반 사용자 인터페이스가 호출된 이후, 사용자의 '자동 사냥을 시작해'라는 발화에 대응하는 음성 데이터를 수신하는 경우, 자동 사냥을 개시하기 위해 사용자가 사용자 단말을 통한 별도의 입력 조작 없이, 해당 캐릭터가 몬스터에 대한 자동 사냥을 개시하도록 하는 제어 동작이 수행될 수 있다. 전술한 플레이 제어 동작에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

어플리케이션 제어 동작은, 시동어가 인식됨에 따라, 음성 기반 사용자 인터페이스가 호출된 이후, 사용자의 '배경 음악을 꺼줘'라는 발화에 대응하는 음성 데이터를 수신하는 경우, 사용자 단말을 통한 사용자의 별도의 입력 조작 없이, 해당 게임에서 제공되는 배경음악이 중단될 수 있다. 다른 예를 들어, 시동어가 인식됨에 따라, 음성 기반 사용자 인터페이스가 호출된 이후, 사용자의 '게임 종료해줘'라는 발화를 수신하는 경우, 사용자 단말을 통한 사용자의 별도의 입력 조작 없이, 해당 게임이 종료되도록 하는 제어 동작이 수행될 수 있다. 전술한 어플리케이션 제어 동작에 대한 구체적인 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.

도 4는 본 개시의 게임 환경속에서 리사이클 풀링 레이어 기반 키워드 검색 시스템을 통해 구현된 사용자 인터페이스에 대한 예시도이다. 프로세서(120)는 도 4에 도시된 바와 같이, 사용자의 음성 데이터를 시동어로 인식함에 따라, 사용자 단말에 표시된 게임 화면(300)의 적어도 일 영역에 음성 기반 사용자 인터페이스(310)를 호출하도록 하는 제어 신호를 생성하여 사용자 단말에 전송할 것을 결정할 수 있다. 즉, 사용자의 음성 데이터를 시동어로 인식함에 따라, 모바일 게임 환경에서 음성 인식 기반 사용자 인터페이스를 제공하여 다양한 환경(예를 들어, 운전 중, 요리 중, 또는 바쁜 상황 등) 속에서 게임을 수행하고자 하는 유저의 편의성을 증대시킬 수 있다.

도 5는 본 개시의 일 실시예에 관련된 네트워크 함수를 나타낸 개략도이다.

본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다. 신경망들을 구성하는 노드(또는 뉴런)들은 하나 이상의 링크에 의해 상호 연결될 수 있다.

신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 상술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.

하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.

상술한 바와 같이, 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호 연결되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.

신경망은 하나 이상의 노드들을 포함하여 구성될 수 있다. 신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력` 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 상술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.

최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 신경망 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들이 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다. 본 개시의 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수와 동일할 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하다가 다시 증가하는 형태의 신경망일 수 있다. 또한, 본 개시의 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수 보다 적을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다. 또한, 본 개시의 또 다른 일 실시예에 따른 신경망은 입력 레이어의 노드의 개수가 출력 레이어의 노드의 개수보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 증가하는 형태의 신경망일 수 있다. 본 개시의 또 다른 일 실시예에 따른 신경망은 상술한 신경망들의 조합된 형태의 신경망일 수 있다.

딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다. 딥 뉴럴 네트워크는 컨벌루셔널 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 개시는 이에 제한되지 않는다.

본 개시의 일 실시예에서 네트워크 함수는 오토 인코더를 포함할 수도 있다. 오토 인코더는 입력 데이터와 유사한 출력 데이터를 출력하기 위한 인공 신경망의 일종일 수 있다. 오토 인코더는 적어도 하나의 히든 레이어를 포함할 수 있으며, 홀수 개의 히든 레이어가 입출력 레이어 사이에 배치될 수 있다. 각각의 레이어의 노드의 수는 입력 레이어의 노드의 수에서 병목 레이어(인코딩)라는 중간 레이어로 축소되었다가, 병목 레이어에서 출력 레이어(입력 레이어와 대칭)로 축소와 대칭되어 확장될 수도 있다. 이 경우, 도 2의 예시에서는 차원 감소 레이어와 차원 복원 레이어가 대칭되는 것으로 도시되어 있으나, 본 개시는 이에 제한되지 않으며, 차원 감소 레이어와 차원 복원 레이어의 노드는 대칭일 수도 있고 아닐 수도 있다. 오토 인코더는 비선형 차원 감소를 수행할 수 있다. 입력 레이어 및 출력 레이어의 수는 입력 데이터의 전처리 이후에 남은 센서들의 수와 대응될 수 있다. 오토 인코더 구조에서 인코더에 포함된 히든 레이어의 노드의 수는 입력 레이어에서 멀어질수록 감소하는 구조를 가질 수 있다. 병목 레이어(인코더와 디코더 사이에 위치하는 가장 적은 노드를 가진 레이어)의 노드의 수는 너무 작은 경우 충분한 양의 정보가 전달되지 않을 수 있으므로, 특정 수 이상(예를 들어, 입력 레이어의 절반 이상 등)으로 유지될 수도 있다.

뉴럴 네트워크는 교사 학습(supervised learning), 비교사 학습(unsupervised learning), 및 반교사학습(semi supervised learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 출력의 오류를 최소화하기 위한 것이다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다. 교사 학습의 경우 각각의 학습 데이터에 정답이 라벨링되어있는 학습 데이터를 사용하며(즉, 라벨링된 학습 데이터), 비교사 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 교사 학습의 경우의 학습 데이터는 학습 데이터 각각에 카테고리가 라벨링 된 데이터 일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 라벨을 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비교사 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.

뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 머신러닝 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 레귤라이제이션(regularization), 학습의 과정에서 네트워크의 노드 일부를 생략하는 드롭아웃(dropout) 등의 방법이 적용될 수 있다.

본 개시의 일 실시예에 따라 데이터 구조를 저장한 컴퓨터 판독가능 매체가 개시된다.

데이터 구조는 데이터에 효율적인 접근 및 수정을 가능하게 하는 데이터의 조직, 관리, 저장을 의미할 수 있다. 데이터 구조는 특정 문제(예를 들어, 최단 시간으로 데이터 검색, 데이터 저장, 데이터 수정) 해결을 위한 데이터의 조직을 의미할 수 있다. 데이터 구조는 특정한 데이터 처리 기능을 지원하도록 설계된, 데이터 요소들 간의 물리적이거나 논리적인 관계로 정의될 수도 있다. 데이터 요소들 간의 논리적인 관계는 사용자가 생각하는 데이터 요소들 간의 연결관계를 포함할 수 있다. 데이터 요소들 간의 물리적인 관계는 컴퓨터 판독가능 저장매체(예를 들어, 하드 디스크)에 물리적으로 저장되어 있는 데이터 요소들 간의 실제 관계를 포함할 수 있다. 데이터 구조는 구체적으로 데이터의 집합, 데이터 간의 관계, 데이터에 적용할 수 있는 함수 또는 명령어를 포함할 수 있다. 효과적으로 설계된 데이터 구조를 통해 컴퓨팅 장치는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산을 수행할 수 있다. 구체적으로 컴퓨팅 장치는 효과적으로 설계된 데이터 구조를 통해 연산, 읽기, 삽입, 삭제, 비교, 교환, 검색의 효율성을 높일 수 있다.

데이터 구조는 데이터 구조의 형태에 따라 선형 데이터 구조와 비선형 데이터 구조로 구분될 수 있다. 선형 데이터 구조는 하나의 데이터 뒤에 하나의 데이터만이 연결되는 구조일 수 있다. 선형 데이터 구조는 리스트(List), 스택(Stack), 큐(Queue), 데크(Deque)를 포함할 수 있다. 리스트는 내부적으로 순서가 존재하는 일련의 데이터 집합을 의미할 수 있다. 리스트는 연결 리스트(Linked List)를 포함할 수 있다. 연결 리스트는 각각의 데이터가 포인터를 가지고 한 줄로 연결되어 있는 방식으로 데이터가 연결된 데이터 구조일 수 있다. 연결 리스트에서 포인터는 다음이나 이전 데이터와의 연결 정보를 포함할 수 있다. 연결 리스트는 형태에 따라 단일 연결 리스트, 이중 연결 리스트, 원형 연결 리스트로 표현될 수 있다. 스택은 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조일 수 있다. 스택은 데이터 구조의 한 쪽 끝에서만 데이터를 처리(예를 들어, 삽입 또는 삭제)할 수 있는 선형 데이터 구조일 수 있다. 스택에 저장된 데이터는 늦게 들어갈수록 빨리 나오는 데이터 구조(LIFO-Last in First Out)일 수 있다. 큐는 제한적으로 데이터에 접근할 수 있는 데이터 나열 구조로서, 스택과 달리 늦게 저장된 데이터일수록 늦게 나오는 데이터 구조(FIFO-First in First Out)일 수 있다. 데크는 데이터 구조의 양 쪽 끝에서 데이터를 처리할 수 있는 데이터 구조일 수 있다.

비선형 데이터 구조는 하나의 데이터 뒤에 복수개의 데이터가 연결되는 구조일 수 있다. 비선형 데이터 구조는 그래프(Graph) 데이터 구조를 포함할 수 있다. 그래프 데이터 구조는 정점(Vertex)과 간선(Edge)으로 정의될 수 있으며 간선은 서로 다른 두개의 정점을 연결하는 선을 포함할 수 있다. 그래프 데이터 구조 트리(Tree) 데이터 구조를 포함할 수 있다. 트리 데이터 구조는 트리에 포함된 복수개의 정점 중에서 서로 다른 두개의 정점을 연결시키는 경로가 하나인 데이터 구조일 수 있다. 즉 그래프 데이터 구조에서 루프(loop)를 형성하지 않는 데이터 구조일 수 있다.

본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. (이하에서는 신경망으로 통일하여 기술한다.) 데이터 구조는 신경망을 포함할 수 있다. 그리고 신경망을 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망을 포함한 데이터 구조는 또한 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수를 포함할 수 있다. 신경망을 포함한 데이터 구조는 상기 개시된 구성들 중 임의의 구성 요소들을 포함할 수 있다. 즉 신경망을 포함한 데이터 구조는 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 트레이닝을 위한 손실 함수 등 전부 또는 이들의 임의의 조합을 포함하여 구성될 수 있다. 전술한 구성들 이외에도, 신경망을 포함한 데이터 구조는 신경망의 특성을 결정하는 임의의 다른 정보를 포함할 수 있다. 또한, 데이터 구조는 신경망의 연산 과정에 사용되거나 발생되는 모든 형태의 데이터를 포함할 수 있으며 전술한 사항에 제한되는 것은 아니다. 컴퓨터 판독가능 매체는 컴퓨터 판독가능 기록 매체 및/또는 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다.

데이터 구조는 신경망에 입력되는 데이터를 포함할 수 있다. 신경망에 입력되는 데이터를 포함하는 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망에 입력되는 데이터는 신경망 학습 과정에서 입력되는 학습 데이터 및/또는 학습이 완료된 신경망에 입력되는 입력 데이터를 포함할 수 있다. 신경망에 입력되는 데이터는 전처리(pre-processing)를 거친 데이터 및/또는 전처리 대상이 되는 데이터를 포함할 수 있다. 전처리는 데이터를 신경망에 입력시키기 위한 데이터 처리 과정을 포함할 수 있다. 따라서 데이터 구조는 전처리 대상이 되는 데이터 및 전처리로 발생되는 데이터를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

데이터 구조는 신경망의 가중치를 포함할 수 있다. (본 명세서에서 가중치, 파라미터는 동일한 의미로 사용될 수 있다.) 그리고 신경망의 가중치를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망은 복수개의 가중치를 포함할 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변 될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 파라미터에 기초하여 출력 노드 값을 결정할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

제한이 아닌 예로서, 가중치는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함할 수 있다. 신경망 학습 과정에서 가변되는 가중치는 학습 사이클이 시작되는 시점의 가중치 및/또는 학습 사이클 동안 가변되는 가중치를 포함할 수 있다. 신경망 학습이 완료된 가중치는 학습 사이클이 완료된 가중치를 포함할 수 있다. 따라서 신경망의 가중치를 포함한 데이터 구조는 신경망 학습 과정에서 가변되는 가중치 및/또는 신경망 학습이 완료된 가중치를 포함한 데이터 구조를 포함할 수 있다. 그러므로 상술한 가중치 및/또는 각 가중치의 조합은 신경망의 가중치를 포함한 데이터 구조에 포함되는 것으로 한다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

신경망의 가중치를 포함한 데이터 구조는 직렬화(serialization) 과정을 거친 후 컴퓨터 판독가능 저장 매체(예를 들어, 메모리, 하드 디스크)에 저장될 수 있다. 직렬화는 데이터 구조를 동일하거나 다른 컴퓨팅 장치에 저장하고 나중에 다시 재구성하여 사용할 수 있는 형태로 변환하는 과정일 수 있다. 컴퓨팅 장치는 데이터 구조를 직렬화하여 네트워크를 통해 데이터를 송수신할 수 있다. 직렬화된 신경망의 가중치를 포함한 데이터 구조는 역직렬화(deserialization)를 통해 동일한 컴퓨팅 장치 또는 다른 컴퓨팅 장치에서 재구성될 수 있다. 신경망의 가중치를 포함한 데이터 구조는 직렬화에 한정되는 것은 아니다. 나아가 신경망의 가중치를 포함한 데이터 구조는 컴퓨팅 장치의 자원을 최소한으로 사용하면서 연산의 효율을 높이기 위한 데이터 구조(예를 들어, 비선형 데이터 구조에서 B-Tree, Trie, m-way search tree, AVL tree, Red-Black Tree)를 포함할 수 있다. 전술한 사항은 예시일 뿐 본 개시는 이에 제한되지 않는다.

데이터 구조는 신경망의 하이퍼 파라미터(Hyper-parameter)를 포함할 수 있다. 그리고 신경망의 하이퍼 파라미터를 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 하이퍼 파라미터는 사용자에 의해 가변되는 변수일 수 있다. 하이퍼 파라미터는 예를 들어, 학습률(learning rate), 비용 함수(cost function), 학습 사이클 반복 횟수, 가중치 초기화(Weight initialization)(예를 들어, 가중치 초기화 대상이 되는 가중치 값의 범위 설정), Hidden Unit 개수(예를 들어, 히든 레이어의 개수, 히든 레이어의 노드 수)를 포함할 수 있다. 전술한 데이터 구조는 예시일 뿐 본 개시는 이에 제한되지 않는다.

도 6은 본 개시의 일 실시예와 관련된 시동어 인식 기술을 제공하기 위한 방법을 예시적으로 나타낸 순서도이다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 사용자 단말을 통해 수신한 사용자의 음성 데이터를 음성 신호 가공 모듈의 입력으로 하여 음성 데이터에 대응하는 하나 이상의 피처를 추출할 수 있다(410).

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 하나 이상의 피처를 키워드 인식 모델의 입력으로 하여 음성 데이터와 사전 결정된 키워드의 매칭 스코어를 산출할 수 있다(420).

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 매칭 스코어에 기초하여 사용자 단말이 음성 기반 사용자 인터페이스를 호출하도록 하는 제어신호를 생성하여 사용자 단말로 전송할 것을 결정할 수 있다(430).

전술한 도 6에 도시된 단계들은 필요에 의해 순서가 변경될 수 있으며, 적어도 하나 이상의 단계가 생략 또는 추가될 수 있다. 즉, 전술한 단계는 본 개시의 일 실시예에 불과할 뿐, 본 개시 권리 범위는 이에 제한되지 않는다.

도 7은 본 개시의 일 실시예와 관련된 시동어 인식 기술을 제공하기 위한 방법을 구현하기 위한 로직을 도시한 도면이다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 다음과 같은 로직에 의해 구현될 수 있다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치(100)는 사용자 단말을 통해 수신한 사용자의 음성 데이터를 음성 신호 가공 모듈의 입력으로 하여 음성 데이터에 대응하는 하나 이상의 피처를 추출하기 위한 로직(510), 하나 이상의 피처를 키워드 인식 모델의 입력으로 하여 음성 데이터와 사전 결정된 키워드의 매칭 스코어를 산출하기 위한 로직(520) 및 매칭 스코어에 기초하여 사용자 단말이 음성 기반 사용자 인터페이스를 호출하도록 하는 제어신호를 생성하여 사용자 단말로 전송할 것을 결정하기 위한 로직(530)을 포함할 수 있다.

대안적으로, 상기 사용자의 음성 데이터에 대한 전처리를 수행하기 위한 로직을 더 포함하고, 상기 음성 데이터에 대한 전처리는, 상기 음성 데이터에 포함된 노이즈를 제거하기 위한 것으로, 상기 음성 데이터에서 주파수가 균일한 백색 노이즈, 주파수가 불규칙한 랜덤 주파수 노이즈 및 신호처리 과정에서 발생 가능한 노이즈 중 적어도 하나의 노이즈를 제거하는 전처리일 수 있다.

대안적으로, 상기 사용자 단말을 통해 수신한 사용자의 음성 데이터를 음성 신호 가공 모듈의 입력으로 하여 상기 음성 데이터에 대응하는 하나 이상의 피처를 추출하기 위한 로직은, 상기 음성 데이터에 대한 고속 퓨리에 변환(STFT: Short-Time Fourier Transform)을 통해 스펙트로그램(Spectrogram)을 출력하기 위한 로직, 상기 스펙트로그램에 대한 멜-필터 뱅크(Mel-Filter Bank)를 통해 멜-스펙트로그램(Mel-Spectrogram)을 획득하기 위한 로직 및 상기 멜-스펙트로그램을 이산 코사인 변환(DCT: Discrete Cosine Transform)으로 처리하여 하나 이상의 피처를 추출하기 위한 로직을 포함할 수 있다.

대안적으로, 상기 하나 이상의 피처는, 상기 음성 데이터를 특징 벡터화한 MFCC(Mel Frequency Cepstral Coefficient) 피처일 수 있다.

대안적으로, 상기 키워드 인식 모델은, 상기 음성 데이터가 상기 음성 기반 사용자 인터페이스를 호출하기 위한 시동어로서 적정한지 여부를 판별하기 위한 모델로, 리사이클 풀링(Recycling Pooling) 기반 컨볼루션 네트워크를 포함할 수 있다.

대안적으로, 상기 키워드 인식 모델은, 컨볼루션 동작을 수행하는 하나 이상의 컨볼루션 레이어 및 리사이클 동작을 수행하는 하나 이상의 리사이클 풀링 레이어를 포함할 수 있다.

대안적으로, 상기 리사이클 동작은, 상기 컨볼루션 연산이 적용된 샘플링 피처맵에 대하여 풀링 윈도우에 포함되는 각각의 레코드를 상이한 채널의 풀링 피처맵에 포함되도록 하기 위한 로직일 수 있다.

대안적으로, 상기 컨볼루션 레이어는, MFCC 피처와 하나 이상의 컨볼루션 필터 각각을 통한 상기 컨볼루션 동작을 통해 샘플링 피처맵 세트를 생성하며, 상기 리사이클 풀링 레이어는, 상기 샘플링 피처맵 세트에 대한 상기 리사이클 동작에 기초하여 풀링 피처맵 세트를 생성할 수 있다.

대안적으로, 상기 풀링 피처맵 세트는, 상기 샘플링 피처맵 세트의 피처맵의 크기 보다 감소된 크기의 피처맵을 포함하며, 상기 샘플링 피처맵 세트에 포함된 피처맵의 수 이상의 피처맵을 포함할 수 있다.

대안적으로, 학습 데이터를 통해 상기 키워드 인식 모델을 학습시키기 위한 로직을 더 포함하고, 그리고 상기 학습 데이터는, 복수의 MFCC 피처를 포함하는 학습 입력 데이터 및 상기 MFCC 피처 각각에 대응하는 복수의 시동어를 포함하는 학습 결과 데이터로 구성될 수 있다.

대안적으로, 상기 음성 기반 사용자 인터페이스는, 상기 사용자의 음성 데이터에 기반하여 게임에 관련한 제어 동작을 허용하기 위한 사용자 인터페이스이며, 상기 게임에 관련한 제어 동작은, 플레이 제어 동작 및 어플리케이션 제어 동작 중 적어도 하나의 제어 동작을 포함할 수 있다.

본 개시의 일 실시예에 따르면, 컴퓨팅 장치를 구현하기 위한 로직은, 컴퓨팅 장치를 구현하기 위한 모듈, 회로 또는 수단에 의하여 구현될 수도 있다.

당업자들은 추가적으로 여기서 개시된 실시예들과 관련되어 설명된 다양한 예시적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있으나, 그러한 구현의 결정들이 본 개시내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.

도 8은 본 개시의 일 실시예와 관련된 본 개시의 일 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.

본 개시가 일반적으로 하나 이상의 컴퓨터 상에서 실행될 수 있는 컴퓨터 실행가능 명령어와 관련하여 전술되었지만, 당업자라면 본 개시가 기타 프로그램 모듈들과 결합되어 및/또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다는 것을 잘 알 것이다.

일반적으로, 프로그램 모듈은 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로시져, 프로그램, 컴포넌트, 데이터 구조, 기타 등등을 포함한다. 또한, 당업자라면 본 개시의 방법이 단일-프로세서 또는 멀티프로세서 컴퓨터 시스템, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 잘 알 것이다.

본 개시의 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘다에 위치할 수 있다.

컴퓨터는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있고, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 이러한 컴퓨터 판독가능 저장 매체는 휘발성 및 비휘발성 매체, 이동식 및 비-이동식 매체를 포함한다. 컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 판독가능 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.

컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터등을 구현하는 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.

컴퓨터(1102)를 포함하는 본 개시의 여러가지 측면들을 구현하는 예시적인 환경(1100)이 나타내어져 있으며, 컴퓨터(1102)는 처리 장치(1104), 시스템 메모리(1106) 및 시스템 버스(1108)를 포함한다. 시스템 버스(1108)는 시스템 메모리(1106)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(1104)에 연결시킨다. 처리 장치(1104)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(1104)로서 이용될 수 있다.

시스템 버스(1108)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(1106)는 판독 전용 메모리(ROM)(1110) 및 랜덤 액세스 메모리(RAM)(1112)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(1110)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(1102) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(1112)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.

컴퓨터(1102)는 또한 내장형 하드 디스크 드라이브(HDD)(1114)(예를 들어, EIDE, SATA)―이 내장형 하드 디스크 드라이브(1114)는 또한 적당한 섀시(도시 생략) 내에서 외장형 용도로 구성될 수 있음―, 자기 플로피 디스크 드라이브(FDD)(1116)(예를 들어, 이동식 디스켓(1118)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), 및 광 디스크 드라이브(1120)(예를 들어, CD-ROM 디스크(1122)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(1114), 자기 디스크 드라이브(1116) 및 광 디스크 드라이브(1120)는 각각 하드 디스크 드라이브 인터페이스(1124), 자기 디스크 드라이브 인터페이스(1126) 및 광 드라이브 인터페이스(1128)에 의해 시스템 버스(1108)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(1124)는 USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘다를 포함한다.

이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨터(1102)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 개시의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.

운영 체제(1130), 하나 이상의 애플리캐이션 프로그램(1132), 기타 프로그램 모듈(1134) 및 프로그램 데이터(1136)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(1112)에 저장될 수 있다. 운영 체제, 애플리캐이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(1112)에 캐싱될 수 있다. 본 개시가 여러가지 상업적으로 이용가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.

사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(1138) 및 마우스(1140) 등의 포인팅 장치를 통해 컴퓨터(1102)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(1108)에 연결되어 있는 입력 장치 인터페이스(1142)를 통해 처리 장치(1104)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.

모니터(1144) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(1146) 등의 인터페이스를 통해 시스템 버스(1108)에 연결된다. 모니터(1144)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.

컴퓨터(1102)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(1148) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(1148)는 워크스테이션, 서버 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(1102)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(1150)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(1152) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(1154)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.

LAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(1156)를 통해 로컬 네트워크(1152)에 연결된다. 어댑터(1156)는 LAN(1152)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(1152)은 또한 무선 어댑터(1156)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 모뎀(1158)을 포함할 수 있거나, WAN(1154) 상의 통신 서버에 연결되거나, 또는 인터넷을 통하는 등, WAN(1154)을 통해 통신을 설정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(1158)은 직렬 포트 인터페이스(1142)를 통해 시스템 버스(1108)에 연결된다. 네트워크화된 환경에서, 컴퓨터(1102)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(1150)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.

컴퓨터(1102)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 2개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.

Wi-Fi(Wireless Fidelity)는 유선 없이도 인터넷 등으로의 연결을 가능하게 해준다. Wi-Fi는 이러한 장치, 예를 들어, 컴퓨터가 실내에서 및 실외에서, 즉 기지국의 통화권 내의 아무 곳에서나 데이터를 전송 및 수신할 수 있게 해주는 셀 전화와 같은 무선 기술이다. Wi-Fi 네트워크는 안전하고 신뢰성있으며 고속인 무선 연결을 제공하기 위해 IEEE 802.11(a,b,g, 기타)이라고 하는 무선 기술을 사용한다. 컴퓨터를 서로에, 인터넷에 및 유선 네트워크(IEEE 802.3 또는 이더넷을 사용함)에 연결시키기 위해 Wi-Fi가 사용될 수 있다. Wi-Fi 네트워크는 비인가 2.4 및 5 GHz 무선 대역에서, 예를 들어, 11Mbps(802.11a) 또는 54 Mbps(802.11b) 데이터 레이트로 동작하거나, 양 대역(듀얼 대역)을 포함하는 제품에서 동작할 수 있다.

본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 "소프트웨어"로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리캐이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리캐이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.

여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 "제조 물품"은 임의의 컴퓨터-판독가능 장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다. 용어 "기계-판독가능 매체"는 명령(들) 및/또는 데이터를 저장, 보유, 및/또는 전달할 수 있는 무선 채널 및 다양한 다른 매체를 포함하지만, 이들로 제한되는 것은 아니다.

제시된 프로세스들에 있는 단계들의 특정한 순서 또는 레이어 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 레이어 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 레이어 구조에 한정되는 것을 의미하지는 않는다.

제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

Claims (13)

1. 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 프로세서에서 실행되는 경우, 상기 하나 이상의 프로세서들로 하여금 시동어 인식 기술을 제공하기 위한 이하의 동작들을 수행하도록 하며, 상기 동작들은:
   사용자 단말을 통해 수신한 사용자의 음성 데이터를 음성 신호 가공 모듈의 입력으로 하여 상기 음성 데이터에 대응하는 하나 이상의 피처를 추출하는 동작;
   상기 하나 이상의 피처를 키워드 인식 모델의 입력으로 하여 상기 음성 데이터와 사전 결정된 키워드의 매칭 스코어를 산출하는 동작; 및
   상기 매칭 스코어에 기초하여 상기 사용자 단말이 음성 기반 사용자 인터페이스를 호출하도록 하는 제어신호를 생성하여 상기 사용자 단말로 전송할 것을 결정하는 동작;
   을 포함하고,
   상기 키워드 인식 모델은,
   상기 음성 데이터가 상기 음성 기반 사용자 인터페이스를 호출하기 위한 시동어로서 적정한지 여부를 판별하기 위한 모델로, 리사이클 풀링(Recycling Pooling) 기반 컨볼루션 네트워크를 포함하는,
   컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
   
2. 제 1 항에 있어서,
   상기 사용자의 음성 데이터에 대한 전처리를 수행하는 동작;
   을 더 포함하고,
   상기 음성 데이터에 대한 전처리는,
   상기 음성 데이터에 포함된 노이즈를 제거하기 위한 것으로, 상기 음성 데이터에서 주파수가 균일한 백색 노이즈, 주파수가 불규칙한 랜덤 주파수 노이즈 및 신호처리 과정에서 발생 가능한 노이즈 중 적어도 하나의 노이즈를 제거하는 전처리인,
   컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
   
3. 제 1 항에 있어서,
   상기 사용자 단말을 통해 수신한 사용자의 음성 데이터를 음성 신호 가공 모듈의 입력으로 하여 상기 음성 데이터에 대응하는 하나 이상의 피처를 추출하는 동작은,
   상기 음성 데이터에 대한 고속 퓨리에 변환(STFT: Short-Time Fourier Transform)을 통해 스펙트로그램(Spectrogram)을 출력하는 동작;
   상기 스펙트로그램에 대한 멜-필터 뱅크(Mel-Filter Bank)를 통해 멜-스펙트로그램(Mel-Spectrogram)을 획득하는 동작; 및
   상기 멜-스펙트로그램을 이산 코사인 변환(DCT: Discrete Cosine Transform)으로 처리하여 하나 이상의 피처를 추출하는 동작;
   을 포함하는,
   컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
   
4. 제 1 항에 있어서,
   상기 하나 이상의 피처는,
   상기 음성 데이터를 특징 벡터화한 MFCC(Mel Frequency Cepstral Coefficient) 피처인,
   컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
   
5. 삭제
6. 제 1 항에 있어서,
   상기 리사이클 풀링 기반 컨볼루션 네트워크는,
   컨볼루션 동작을 수행하는 하나 이상의 컨볼루션 레이어 및 리사이클 동작을 수행하는 하나 이상의 리사이클 풀링 레이어를 포함하는,
   컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
   
7. 제 6 항에 있어서,
   상기 리사이클 동작은,
   컨볼루션 연산이 적용된 샘플링 피처맵에 대하여 풀링 윈도우에 포함되는 각각의 레코드를 상이한 채널의 풀링 피처맵에 포함되도록 하는 동작인,
   컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
   
8. 제 6 항에 있어서,
   상기 컨볼루션 레이어는,
   MFCC 피처와 하나 이상의 컨볼루션 필터 각각을 통한 상기 컨볼루션 동작을 통해 샘플링 피처맵 세트를 생성하며,
   상기 리사이클 풀링 레이어는,
   상기 샘플링 피처맵 세트에 대한 상기 리사이클 동작에 기초하여 풀링 피처맵 세트를 생성하는,
   컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
   
9. 제 8 항에 있어서,
   상기 풀링 피처맵 세트는,
   상기 샘플링 피처맵 세트의 피처맵의 크기 보다 감소된 크기의 피처맵을 포함하며, 상기 샘플링 피처맵 세트에 포함된 피처맵의 수 이상의 피처맵을 포함하는,
   컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
   
10. 제 1 항에 있어서,
    학습 데이터를 통해 상기 키워드 인식 모델을 학습시키는 동작;
    을 더 포함하고, 그리고
    상기 학습 데이터는,
    복수의 MFCC 피처를 포함하는 학습 입력 데이터 및 상기 MFCC 피처 각각에 대응하는 복수의 시동어를 포함하는 학습 결과 데이터로 구성되는,
    컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
    
11. 제 1 항에 있어서,
    상기 음성 기반 사용자 인터페이스는,
    상기 사용자의 음성 데이터에 기반하여 게임에 관련한 제어 동작을 허용하기 위한 사용자 인터페이스이며,
    상기 게임에 관련한 제어 동작은,
    플레이 제어 동작 및 어플리케이션 제어 동작 중 적어도 하나의 제어 동작을 포함하는,
    컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
    
12. 시동어 인식 기술을 제공하기 위한 컴퓨팅 장치로서,
    하나 이상의 코어를 포함하는 프로세서;
    상기 프로세서에서 실행가능한 프로그램 코드들을 포함하는 메모리; 및
    사용자 단말과 데이터를 송수신하는 네트워크부;
    를 포함하고, 그리고
    상기 프로세서는,
    사용자 단말을 통해 수신한 사용자의 음성 데이터를 음성 신호 가공 모듈의 입력으로 하여 상기 음성 데이터에 대응하는 하나 이상의 피처를 추출하고,
    상기 하나 이상의 피처를 키워드 인식 모델의 입력으로 하여 상기 음성 데이터와 사전 결정된 키워드의 매칭 스코어를 산출하고, 그리고
    상기 매칭 스코어에 기초하여 상기 사용자 단말이 음성 기반 사용자 인터페이스를 호출하도록 하는 제어 신호를 생성하여 상기 사용자 단말로 전송할 것을 결정하고,
    상기 키워드 인식 모델은,
    상기 음성 데이터가 상기 음성 기반 사용자 인터페이스를 호출하기 위한 시동어로서 적정한지 여부를 판별하기 위한 모델로, 리사이클 풀링(Recycling Pooling) 기반 컨볼루션 네트워크를 포함하는,
    시동어 인식 기술을 제공하기 위한 컴퓨팅 장치.
    
13. 시동어 인식 기술을 제공하기 위한 방법으로,
    컴퓨팅 장치가 사용자 단말을 통해 수신한 사용자의 음성 데이터를 음성 신호 가공 모듈의 입력으로 하여 상기 음성 데이터에 대응하는 하나 이상의 피처를 추출하는 단계;
    상기 컴퓨팅 장치가 상기 하나 이상의 피처를 키워드 인식 모델의 입력으로 하여 상기 음성 데이터와 사전 결정된 키워드의 매칭 스코어를 산출하는 단계; 및
    상기 컴퓨팅 장치가 상기 매칭 스코어에 기초하여 상기 사용자 단말이 음성 기반 사용자 인터페이스를 호출하도록 하는 제어 신호를 생성하여 상기 사용자 단말로 전송할 것을 결정하는 단계;
    를 포함하고,
    상기 키워드 인식 모델은,
    상기 음성 데이터가 상기 음성 기반 사용자 인터페이스를 호출하기 위한 시동어로서 적정한지 여부를 판별하기 위한 모델로, 리사이클 풀링(Recycling Pooling) 기반 컨볼루션 네트워크를 포함하는,
    시동어 인식 기술을 제공하기 위한 방법.
    

Images