KR102549575B1

KR102549575B1 - 천적음 생성 장치 및 방법

Info

Publication number: KR102549575B1
Application number: KR1020200133282A
Authority: KR
Inventors: 홍형길; 조용준; 윤해룡; 김동우; 서갑호
Original assignee: 한국로봇융합연구원
Priority date: 2020-10-15
Filing date: 2020-10-15
Publication date: 2023-06-28
Also published as: KR20220049772A

Abstract

천적음 생성 장치 및 방법이 개시된다. 이에 의하면, 유해 조류의 천적에 의해 발생하는 real 천적음을 수신하고; 상기 real 천적음의 특징을 학습하여 제1 천적음 생성 모델을 생성하고, 상기 제1 천적음 생성 모델에 기초하여 가상 천적음 및 fake 천적음을 각각 생성하며, 상기 가상 천적음과 상기 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습하여 제2 천적음 생성 모델을 생성하고; 상기 제2 천적음 생성 모델에 기초하여 최종 천적음을 생성하며; 상기 최종 천적음을 출력하되, 상기 가상 천적음은 상기 real 천적음과 동일한 형태로 구성되고, 상기 fake 천적음은 상기 real 천적음과 매우 유사하여 상기 real 천적음으로 혼동될 수 있는 형태로 구성되는 것을 특징으로 한다.

Description

천적음 생성 장치 및 방법{AN APPARATUS AND METHOD OF GENERATING VOICE OF NATURAL ENEMY}

본 발명은 천적음 생성 장치 및 방법에 관한 것으로서, 보다 구체적으로 유해 조류 퇴치기에 들어가는 천적음 음원을 다양한 패턴으로 생성할 수 있는 천적음 생성 장치 및 방법에 관한 것이다.

일반적으로 논밭, 과수원 등지에서 재배되는 작물은 각종 야생동물이나, 조류 등의 유해 조수로 인하여 큰 피해를 입고 있다. 농작물에 심각한 피해를 끼치는 유해 조수에는 직박구리, 참새, 까치, 까마귀, 박새 등의 조류가 있다.

이러한 유해 조수의 피해를 막기 위하여, 기존에는 허수아비를 세우거나 목책을 치는 수단에서부터, 경계를 따라 전기울타리를 설치하거나 야간 점멸 조명기를 설치하는 등의 적극적인 수단을 사용하거나, 사람이 직접 주기적으로 또는 수시로 관찰하는 등의 다양한 방법을 시도하였다. 그러나, 유해조수들이 이러한 대책 수단에 적응하게 되면서 큰 효과를 거두지 못하고 있으며 확실한 대책이 없어 피해가 늘고 있는 실정이다.

최근에는 조류 퇴치기에 광원부 또는 음향부를 이용하여 독립적인 기능으로 사용하는 형태들이 있다. 그러나, 생성된 조류 퇴치음의 경우 단조로운 패턴이 반복되는 문제점이 있다. 기존의 조류 퇴치기의 문제점은 몇 개의 천적 음원을 일정한 패턴으로 재생주기나 재생시간만 변경해서 음향부를 통해 재생하기 때문에 패턴이 단조롭다는 것이다.

또한, 천적 음원을 구하는 것은 쉽지 않다. 유해 조류에 위협이 되는 천적들은 올빼미, 독수리, 부엉이 등으로 해당 조류들을 포획하여 음원을 획득해야 한다. 그러나, 이는 수렵법에 의해 제약을 받는다.

천적 음원을 다양하게 재생하기 위한 다른 문제점으로는 소리 특징이 각각 달라야 한다는 것이다. 이를 위해, 여러 마리의 올빼미를 포획해서 음원을 획득해야 하지만 이에 의한 음원 획득은 쉽지 않은 실정이다.

따라서, 이러한 단조로운 패턴의 문제점과 음원 획득의 어려움 등으로 조류 퇴치기는 발전이 더디며, 퇴치 효과 또한 미미하다.

한국공개특허공보 제10-2011-0088606호 (2011.08.04)

본 발명이 해결하고자 하는 과제는, 음향 패턴의 경우의 수를 무제한으로 계속 늘려서 여러 가지 수많은 패턴의 학습을 통해 동작함으로써 유해조수의 학습 효과를 회피할 수 있는 천적음 생성 장치 및 방법을 제공하는 것이다.

또한, 본 발명이 해결하고자 하는 과제는, 천적 음원을 생성하는 방법을 활용하여 음원 획득 문제를 해결할 수 있는 천적음 생성 장치 및 방법을 제공하는 것이다.

본 발명의 일 실시 예에 의한 천적음 생성 장치는, 유해 조류의 천적에 의해 발생하는 real 천적음을 수신하는 입력부; 와, 상기 real 천적음의 특징을 학습하여 제1 천적음 생성 모델을 생성하고, 상기 제1 천적음 생성 모델에 기초하여 가상 천적음 및 fake 천적음을 각각 생성하며, 상기 가상 천적음과 상기 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습하여 제2 천적음 생성 모델을 생성하는 학습부; 와, 상기 제2 천적음 생성 모델에 기초하여 최종 천적음을 생성하는 음원 생성부; 및 상기 최종 천적음을 출력하는 출력부를 포함하되, 상기 가상 천적음은 상기 real 천적음과 동일한 형태로 구성되고, 상기 fake 천적음은 상기 real 천적음과 매우 유사하여 상기 real 천적음으로 혼동될 수 있는 형태로 구성되는 것을 특징으로 한다.

상기 천적음 생성 장치에 있어서, 상기 학습부는, 상기 가상 천적음이 상기 real 천적음과 상기 fake 천적음 중 어느 것과 더 유사한지를 비교하고, 비교 결과를 반영하여 상기 제2 천적음 생성 모델을 생성할 수 있다.

상기 천적음 생성 장치에 있어서, 상기 학습부는, 상기 real 천적음으로부터 노이즈를 제거하여 변형된 real 천적음을 생성하고, 상기 변형된 real 천적음의 특징을 학습하여 상기 제1 천적음 생성 모델을 생성하며, 상기 가상 천적음과 상기 변형된 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습할 수 있다.

상기 천적음 생성 장치에 있어서, 상기 학습부는 상기 real 천적음으로부터 노이즈를 추출하고, 상기 노이즈를 상기 가상 천적음과 결합시켜 변형된 가상 천적음을 생성한 후, 상기 변형된 가상 천적음과 상기 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습할 수 있다.

상기 천적음 생성 장치에 있어서, 상기 학습부는 생성적 대립 신경망(Generative Adversarial Network: GAN)을 이용하여, 상기 가상 천적음 및 상기 fake 천적음을 각각 생성한 후 상기 가상 천적음과 상기 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습할 수 있다.

상기 천적음 생성 장치에 있어서, 상기 학습부는 심층 신경망(Deep Neural Network)을 이용하여 상기 생성적 대립 신경망을 구현할 수 있다.

본 발명의 다른 실시 예에 의한 천적음 생성 방법은, 유해 조류의 천적에 의해 발생하는 real 천적음을 수신하는 단계; 와, 상기 real 천적음의 특징을 학습하여 제1 천적음 생성 모델을 생성하고, 상기 제1 천적음 생성 모델에 기초하여 가상 천적음 및 fake 천적음을 각각 생성하며, 상기 가상 천적음과 상기 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습하여 제2 천적음 생성 모델을 생성하는 단계; 와, 상기 제2 천적음 생성 모델에 기초하여 최종 천적음을 생성하는 단계; 및 상기 최종 천적음을 출력하는 단계를 포함하되, 상기 가상 천적음은 상기 real 천적음과 동일한 형태로 구성되고, 상기 fake 천적음은 상기 real 천적음과 매우 유사하여 상기 real 천적음으로 혼동될 수 있는 형태로 구성되는 것을 특징으로 한다.

상기 천적음 생성 방법에 있어서, 상기 가상 천적음이 상기 real 천적음과 상기 fake 천적음 중 어느 것과 더 유사한지를 비교하고, 비교 결과를 반영하여 상기 제2 천적음 생성 모델을 생성할 수 있다.

상기 천적음 생성 방법에 있어서, 상기 real 천적음으로부터 노이즈를 제거하여 변형된 real 천적음을 생성하고, 상기 변형된 real 천적음의 특징을 학습하여 상기 제1 천적음 생성 모델을 생성하며, 상기 가상 천적음과 상기 변형된 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습할 수 있다.

상기 천적음 생성 방법에 있어서, 상기 real 천적음으로부터 노이즈를 추출하고, 상기 노이즈를 상기 가상 천적음과 결합시켜 변형된 가상 천적음을 생성한 후, 상기 변형된 가상 천적음과 상기 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습할 수 있다.

상기 천적음 생성 방법에 있어서, 생성적 대립 신경망(Generative Adversarial Network: GAN)을 이용하여, 상기 가상 천적음 및 상기 fake 천적음을 각각 생성한 후 상기 가상 천적음과 상기 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습할 수 있다.

상기 천적음 생성 방법에 있어서, 심층 신경망(Deep Neural Network)을 이용하여 상기 생성적 대립 신경망을 구현할 수 있다.

본 발명의 실시예에 따르면, 음향 패턴의 경우의 수를 무제한으로 계속 늘려서 여러 가지 수많은 패턴의 학습을 통해 동작함으로써 유해조수의 학습 효과를 회피할 수 있다.

또한, 본 발명의 실시예에 따르면, 천적 음원을 생성하는 방법을 활용하여 음원 획득 문제를 해결하여 유해조수 퇴치효과 증대 및 사용자 편의성을 향상시킬 수 있다.

도 1은 본 발명에 따른 천적음 생성 장치의 구성을 도시한 블록도이다.
도 2는 본 발명에 따른 천적음 생성 장치에 포함되는 학습부의 동작을 설명하기 위한 도면이다.
도 3은 본 발명에 따른 천적음 생성 장치가 천적음에 대한 학습을 수행하는 방법을 설명하기 위하 도면이다.
도 4는 본 발명에 따른 천적음 생성 과정을 도시한다.
도 5는 본 발명의 실시예에 따른, 컴퓨팅 장치를 나타내는 도면이다.

아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

본 명세서에서, 동일한 구성요소에 대해서 중복된 설명은 생략한다.

또한 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에 본 명세서에서, 어떤 구성요소가 다른 구성요소에 '직접 연결되어' 있다거나 '직접 접속되어' 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

또한, 본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용되는 것으로써, 본 발명을 한정하려는 의도로 사용되는 것이 아니다.

또한 본 명세서에서, 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.

또한 본 명세서에서, '포함하다' 또는 '가지다' 등의 용어는 명세서에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품, 또는 이들을 조합한 것이 존재함을 지정하려는 것일 뿐, 하나 또는 그 이상의 다른 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 할 것이다.

또한 본 명세서에서, '및/또는' 이라는 용어는 복수의 기재된 항목들의 조합 또는 복수의 기재된 항목들 중의 어느 항목을 포함한다. 본 명세서에서, 'A 또는 B'는, 'A', 'B', 또는 'A와 B 모두'를 포함할 수 있다.

또한 본 명세서에서, 본 발명의 요지를 흐리게 할 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략될 것이다.

도 1은 본 발명에 따른 천적음 생성 장치의 구성을 도시한 블록도이다.

본 발명에 따른 천적음 생성 장치(100)는 조류 음원의 성분을 분석해서 Generative Neural Networks(GAN)를 이용하여 생성한 후, 생성된 음원을 활용하여 조류 퇴치기에 사용하는 천적음을 생성하는 인공지능 기반의 음원 생성 장치일 수 있다.

이를 위해, 본 발명에 따른 천적음 생성 장치(100)는 입력부(110), 학습부(120), 음원 생성부(130) 및 출력부(140)를 포함할 수 있다.

입력부(110)는 유해 조류의 천적에 의해 발생하는 real 천적음을 수신할 수 있다.

학습부(120)는 real 천적음의 특징을 학습하여 제1 천적음 생성 모델을 생성할 수 있다.

학습부(120)는 제1 천적음 생성 모델에 기초하여 가상 천적음 및 fake 천적음을 각각 생성할 수 있다. 여기서, 가상 천적음은 real 천적음과 동일한 형태로 구성될 수 있다. fake 천적음은 real 천적음과 매우 유사하여 상기 real 천적음으로 혼동될 수 있는 형태로 구성될 수 있다. 예를 들어, real 천적음과 매우 비슷한 유사 음원으로서, 실제와 같은 가짜 음원을 생성할 수 있다.

학습부(120)는 가상 천적음과 real 천적음 및 fake 천적음으로 구성된 쌍들을 학습하여 제2 천적음 생성 모델을 생성할 수 있다. 이 경우, 학습부(120)는 가상 천적음이 real 천적음과 fake 천적음 중 어느 것과 더 유사한지를 비교하고, 비교 결과를 반영하여 제2 천적음 생성 모델을 생성할 수 있다.

일 실시 예에 의하면, 학습부(120)는 real 천적음으로부터 노이즈를 제거하여 변형된 real 천적음을 생성하고, 변형된 real 천적음의 특징을 학습하여 제1 천적음 생성 모델을 생성하며, 가상 천적음과 변형된 real 천적음 및 fake 천적음으로 구성된 쌍들을 학습할 수 있다.

다른 실시 예에 의하면, 학습부(120)는 real 천적음으로부터 노이즈를 추출하고, 노이즈를 가상 천적음과 결합시켜 변형된 가상 천적음을 생성한 후, 변형된 가상 천적음과 real 천적음 및 fake 천적음으로 구성된 쌍들을 학습할 수 있다.

학습부(120)는 생성적 대립 신경망(Generative Adversarial Network: GAN)을 이용하여, 가상 천적음 및 fake 천적음을 각각 생성한 후 상기 가상 천적음과 상기 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습할 수 있다.

이 경우, 학습부(120)는 심층 신경망(Deep Neural Network)을 이용하여 생성적 대립 신경망을 구현할 수 있다.

생성적 대립 신경망(Generative Adversarial Network: GAN)은 생성모델과 판별모델이 경쟁하면서 실제와 가까운 음성, 이미지, 동영상 등을 자동으로 생성하는 기계학습 방식이다.

특정 분야의 실제 예제들을 제시하면, 제시한 예제들에서 잘 드러나지 않는 공통점을 컴퓨터 프로그램이 학습하여 매우 정교한 위조품을 쉽고 빠르게 만들어 낼 수 있다.

생성적 대립 신경망은 확률 분포를 학습하는 생성모델과 서로 다른 집합을 구분하는 판별모델로 구성될 수 있다. 생성모델(또는 생성자)은 가짜 예제를 만들어 판별모델을 최대한 속일 수 있도록 훈련하고, 판별모델(또는 판별자)은 생성모델이 제시하는 가짜 예제와 실제 예제를 최대한 정확하게 구분할 수 있도록 훈련한다. 이와 같이 판별모델을 속일 수 있도록 생성모델을 훈련하는 방식을 대립적 프로세스라고 한다.

생성적 대립 신경망은 생성모델과 판별모델을 대립적 프로세스를 통해 발전시키는 과정으로, 실제 예제와 매우 비슷한 유사함(실제 같은 가짜)을 생성한다. 동일한 분야에서 수집한 실제 예제들은 공통된 특징을 갖는다. 그러나, 일반적으로 사람이 직접 분석하여 찾아내기는 어려워 통계적인 기법을 이용하여 컴퓨터가 자동으로 공통된 특징을 찾도록 한다. 특히, 사람이 찾기 어려운 공통된 특징을 잘 찾는 기계학습 방법 중 하나가 심층 신경망이기 때문에, 심층 신경망을 이용하여 생성적 대립 신경망을 구현할 수 있다.

음원 생성부(130)는 제2 천적음 생성 모델에 기초하여 최종 천적음을 생성할 수 있다.

출력부(140)는 최종 천적음을 출력할 수 있다.

도 2는 본 발명에 따른 천적음 생성 장치에 포함되는 학습부의 동작을 설명하기 위한 도면이다.

학습부(120)는 입력 모듈(210), 생성 모듈(220) 및 판별 모듈(230)을 포함하여 구성되어 있다.

입력 모듈(210)은 조류의 음원에 대해 전처리를 수행하는 전처리부를 포함할 수 있다. 입력 모듈(210)은 노이즈 성분이나 조류의 연속적인 성분을 판별하고, 노이즈를 제거한 조류의 음원 성분 등을 필터링 하는 알고리즘으로 특징(feature)을 추출할 수 있다.

생성 모듈(220)은 추출된 특징(feature)을 입력 받고, 다양한 기법을 사용하여 특징 맵(feature map)을 생성할 수 있다. 구체적으로, 생성 모듈(220)은 convolutional layers, filter, padding, stride 등을 활용하여 특징 맵을 생성할 수 있다.

생성 모듈(220)은 디코더의 계층(layer)로 특징 맵을 업-샘플링하여, 천적음 생성 모델을 생성할 수 있다. 이 경우, 생성 모듈(220)은 천적음 생성 모델에 기초하여, 가상 천적음 및 fake 천적음(222)을 생성할 수 있다.

판별 모듈(230)은 생성 모듈(220)에서 생성된 음원과 Fake 천적음(222)과 Real 천적음(224)이 쌍을 이루어 입력되는 형태로 convolutional layer를 통해 줄어든 feature map을 생성한다. 최종적으로 feature map은 fully connected layer의 linear regression, sigmoid function을 통해 real or fake에 관한 최종 값으로 출력된다. 출력된 real의 값의 음원을 조류 퇴치기에 탑재해서 제어할 수 있다.

도 3은 본 발명에 따른 천적음 생성 장치가 천적음에 대한 학습을 수행하는 방법을 설명하기 위하 도면이다.

천적음 생성 장치(100)는 real 천적음(310)으로부터 가상 천적음(330) 및 fake 천적음(320)을 생성하고, 가상 천적음(330)과 real 천적음(310) 및 fake 천적음(320)으로 구성된 쌍들을 학습할 수 있다. 이 경우, 천적음 생성 장치(100)는 가상 천적음(330)이 real 천적음(310)과 fake 천적음(320) 중 어느 것과 더 유사한지를 비교할 수 있다.

도 4는 본 발명에 따른 천적음 생성 과정을 도시한다.

유해 조류의 천적에 의해 발생하는 real 천적음을 수신한다(S401).

real 천적음의 특징을 학습하여 제1 천적음 생성 모델을 생성한다(S402).

제1 천적음 생성 모델에 기초하여 가상 천적음 및 fake 천적음을 각각 생성한다(S403). 여기서, 가상 천적음은 real 천적음과 동일한 형태로 구성될 수 있다. 또한, fake 천적음은 real 천적음과 매우 유사하여 상기 real 천적음으로 혼동될 수 있는 형태로 구성될 수 있다.

가상 천적음과 real 천적음 및 fake 천적음으로 구성된 쌍들을 학습하여 제2 천적음 생성 모델을 생성한다(S404).

이 경우, 천적음 생성 장치(100)는 가상 천적음이 real 천적음과 fake 천적음 중 어느 것과 더 유사한지를 비교하고, 비교 결과를 반영하여 제2 천적음 생성 모델을 생성할 수 있다.

일 실시 예에 의하면, 천적음 생성 장치(100)는 real 천적음으로부터 노이즈를 제거하여 변형된 real 천적음을 생성하고, 변형된 real 천적음의 특징을 학습하여 제1 천적음 생성 모델을 생성하며, 가상 천적음과 변형된 real 천적음 및 fake 천적음으로 구성된 쌍들을 학습할 수 있다.

다른 실시 예에 의하면, 천적음 생성 장치(100)는 real 천적음으로부터 노이즈를 추출하고, 노이즈를 가상 천적음과 결합시켜 변형된 가상 천적음을 생성한 후, 변형된 가상 천적음과 real 천적음 및 fake 천적음으로 구성된 쌍들을 학습할 수 있다.

천적음 생성 장치(100)는 생성적 대립 신경망(GAN)을 이용하여, 가상 천적음 및 fake 천적음을 각각 생성한 후 상기 가상 천적음과 상기 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습할 수 있다.

이 경우, 천적음 생성 장치(100)는 심층 신경망(Deep Neural Network)을 이용하여 생성적 대립 신경망을 구현할 수 있다.

제2 천적음 생성 모델에 기초하여 최종 천적음을 생성한다(S405).

최종 천적음을 출력한다(S406).

도 5는 본 발명의 실시예에 따른, 컴퓨팅 장치를 나타내는 도면이다.

도 5의 컴퓨팅 장치(TN100)는 본 명세서에서 기술된 천적음 생성 장치(100)일 수 있다.

도 5의 실시예에서, 컴퓨팅 장치(TN100)는 적어도 하나의 프로세서(TN110), 송수신 장치(TN120), 및 메모리(TN130)를 포함할 수 있다. 또한, 컴퓨팅 장치(TN100)는 저장 장치(TN140), 입력 인터페이스 장치(TN150), 출력 인터페이스 장치(TN160) 등을 더 포함할 수 있다. 컴퓨팅 장치(TN100)에 포함된 구성 요소들은 버스(bus)(TN170)에 의해 연결되어 서로 통신을 수행할 수 있다.

프로세서(TN110)는 메모리(TN130) 및 저장 장치(TN140) 중에서 적어도 하나에 저장된 프로그램 명령(program command)을 실행할 수 있다. 프로세서(TN110)는 중앙 처리 장치(CPU: central processing unit), 그래픽 처리 장치(GPU: graphics processing unit), 또는 본 발명의 실시예에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 프로세서(TN110)는 본 발명의 실시예와 관련하여 기술된 절차, 기능, 및 방법 등을 구현하도록 구성될 수 있다. 프로세서(TN110)는 컴퓨팅 장치(TN100)의 각 구성 요소를 제어할 수 있다.

메모리(TN130) 및 저장 장치(TN140) 각각은 프로세서(TN110)의 동작과 관련된 다양한 정보를 저장할 수 있다. 메모리(TN130) 및 저장 장치(TN140) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(TN130)는 읽기 전용 메모리(ROM: read only memory) 및 랜덤 액세스 메모리(RAM: random access memory) 중에서 적어도 하나로 구성될 수 있다.

송수신 장치(TN120)는 유선 신호 또는 무선 신호를 송신 또는 수신할 수 있다. 송수신 장치(TN120)는 네트워크에 연결되어 통신을 수행할 수 있다.

한편, 본 발명의 실시예는 지금까지 설명한 장치 및/또는 방법을 통해서만 구현되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 상술한 실시예의 기재로부터 본 발명이 속하는 기술 분야의 통상의 기술자라면 쉽게 구현할 수 있는 것이다.

이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 통상의 기술자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

100: 천적음 생성 장치 110: 입력부
120: 학습부 130: 음원 생성부
140: 출력부 210: 입력 모듈
220: 생성 모듈 230: 판별 모듈

Claims

천적음 생성 장치에 있어서,
유해 조류의 천적에 의해 발생하는 real 천적음을 수신하는 입력부;
상기 real 천적음의 특징을 학습하여 제1 천적음 생성 모델을 생성하고, 상기 제1 천적음 생성 모델에 기초하여 가상 천적음 및 fake 천적음을 각각 생성하며, 상기 가상 천적음과 상기 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습하여 제2 천적음 생성 모델을 생성하는 학습부;
상기 제2 천적음 생성 모델에 기초하여 최종 천적음을 생성하는 음원 생성부; 및
상기 최종 천적음을 출력하는 출력부를 포함하되,
상기 가상 천적음은 상기 real 천적음과 동일한 형태로 구성되고,
상기 fake 천적음에 대응하는 파형과 상기 real 천적음에 대응하는 파형을 각각 생성하고, 각각의 파형의 진폭과 주기를 비교한 후, 이에 기초하여 상기 fake 천적음은 상기 real 천적음과 유사하여 상기 real 천적음으로 혼동될 수 있는 형태로 구성되는 것을 특징으로 하는, 천적음 생성 장치.
제1항에 있어서,
상기 학습부는,
상기 가상 천적음이 상기 real 천적음과 상기 fake 천적음 중 어느 것과 더 유사한지를 비교하고, 비교 결과를 반영하여 상기 제2 천적음 생성 모델을 생성하는, 천적음 생성 장치.
제1항에 있어서,
상기 학습부는,
상기 real 천적음으로부터 노이즈를 제거하여 변형된 real 천적음을 생성하고, 상기 변형된 real 천적음의 특징을 학습하여 상기 제1 천적음 생성 모델을 생성하며, 상기 가상 천적음과 상기 변형된 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습하는, 천적음 생성 장치.
제1항에 있어서,
상기 학습부는,
상기 real 천적음으로부터 노이즈를 추출하고, 상기 노이즈를 상기 가상 천적음과 결합시켜 변형된 가상 천적음을 생성한 후, 상기 변형된 가상 천적음과 상기 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습하는, 천적음 생성 장치.
제1항에 있어서,
상기 학습부는,
생성적 대립 신경망(Generative Adversarial Network: GAN)을 이용하여, 상기 가상 천적음 및 상기 fake 천적음을 각각 생성한 후 상기 가상 천적음과 상기 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습하는, 천적음 생성 장치.
제5항에 있어서,
상기 학습부는,
심층 신경망(Deep Neural Network)을 이용하여 상기 생성적 대립 신경망을 구현하는, 천적음 생성 장치.
천적음 생성 방법에 있어서,
유해 조류의 천적에 의해 발생하는 real 천적음을 수신하는 단계;
상기 real 천적음의 특징을 학습하여 제1 천적음 생성 모델을 생성하고, 상기 제1 천적음 생성 모델에 기초하여 가상 천적음 및 fake 천적음을 각각 생성하며, 상기 가상 천적음과 상기 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습하여 제2 천적음 생성 모델을 생성하는 단계;
상기 제2 천적음 생성 모델에 기초하여 최종 천적음을 생성하는 단계; 및
상기 최종 천적음을 출력하는 단계를 포함하되,
상기 가상 천적음은 상기 real 천적음과 동일한 형태로 구성되고,
상기 fake 천적음에 대응하는 파형과 상기 real 천적음에 대응하는 파형을 각각 생성하고, 각각의 파형의 진폭과 주기를 비교한 후, 이에 기초하여 상기 fake 천적음은 상기 real 천적음과 유사하여 상기 real 천적음으로 혼동될 수 있는 형태로 구성되는 것을 특징으로 하는, 천적음 생성 방법.
제7항에 있어서,
상기 가상 천적음이 상기 real 천적음과 상기 fake 천적음 중 어느 것과 더 유사한지를 비교하고, 비교 결과를 반영하여 상기 제2 천적음 생성 모델을 생성하는, 천적음 생성 방법.
제7항에 있어서,
상기 real 천적음으로부터 노이즈를 제거하여 변형된 real 천적음을 생성하고, 상기 변형된 real 천적음의 특징을 학습하여 상기 제1 천적음 생성 모델을 생성하며, 상기 가상 천적음과 상기 변형된 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습하는, 천적음 생성 방법.
제7항에 있어서,
상기 real 천적음으로부터 노이즈를 추출하고, 상기 노이즈를 상기 가상 천적음과 결합시켜 변형된 가상 천적음을 생성한 후, 상기 변형된 가상 천적음과 상기 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습하는, 천적음 생성 방법.
제7항에 있어서,
생성적 대립 신경망(Generative Adversarial Network: GAN)을 이용하여, 상기 가상 천적음 및 상기 fake 천적음을 각각 생성한 후 상기 가상 천적음과 상기 real 천적음 및 상기 fake 천적음으로 구성된 쌍들을 학습하는, 천적음 생성 방법.
제11항에 있어서,
심층 신경망(Deep Neural Network)을 이용하여 상기 생성적 대립 신경망을 구현하는, 천적음 생성 방법.