신경 음성 데이터 처리를 위한 서스펙트럴 정규화

컨볼루셔널 신경망은 다양한 머신러닝 분야에서 널리 사용된다. 이미지 처리 분야에서는 입력의 모든 공간 차원에 2차원 컨볼루션을 적용함으로써 특징을 추출할 수 있다. 그러나 음성 데이터의 경우 멜스펙트로그램(Mel-Spectrogram)과 같은 주파수 도메인 입력은 주파수 차원에서 특별하고 독특한 특성을 갖는다. 따라서 주파수 차원을 별도로 다룰 수 있는 방법이 필요하다. 본 연구에서는 입력의 주파수 차원을 여러 그룹(서브밴드)으로 나누어 각 그룹별로 별도의 정규화를 수행하는 서브스펙트럴 정규화(SubSpectral Normalization, SSN)를 제안한다. SSN은 각 그룹에 적용 가능한 애피니 변환(affine transformation)도 포함하고 있다. 제안한 방법은 네트워크가 주파수 인지 특성을 학습하는 과정에서 주파수 간의 왜곡(inter-frequency deflection)을 제거한다. 음성 데이터를 활용한 실험 결과, SSN이 네트워크 성능을 효율적으로 향상시킬 수 있음을 관찰할 수 있었다.