UNDERWATER SOUND CLASSIFICATION USING NEURAL NETWORKS: COMPARISON OF CNN AND RNN

Abstract

현재 생물음향학에서는 종 보존과 완화를 위해 생물의 종 감지와 식별을 중심으로 기계학습(ML)을 이용하는 연구가 활발하게 이루어지고 있다. 박쥐 종 식별, 고래 종 식별, 향유고래의 반향 위치 측정 클릭 감지 및 구분에 다양한 인공신경망이 적용되고 있다[1]. 수중음향 신호 식별에 적용되는 인공신경망은 크게 음향 신호에 스펙트로그램 등을 적용하여 영상 정보로 변환한 후 영상 특징 추출에 널리 활용되는 CNN을 이용해 음향 특징을 추출 식별하는 기법[2,3]과 시계열 신호를 직접 처리하여 패턴을 추출, 식별을 수행하는 RNN 기법이 널리 이용되고 있다. RNN은 과거에 입력된 정보를 기억하여 처리가 가능한 장점을 지니고, 다양한 길이의 시계열 데이터를 입력으로 사용할 수 있는 측면에서 장점을 가진다[4]. 본 연구에서는 DCLDE에서 공개한 North Atlantic Right Whales (NARW)의 음향 데이터에 이러한 두 가지 인공신경망 식별 기법을 적용한 결과를 제시하고, 그 성능을 비교하고자 한다. 동일한 성능을 획득하는 데에 두 가지 타입의 인공신경망에서 필요로 하는 데이터의 양과 연산 복잡도를 분석할 예정이다.