Frequency Dynamic Convolutional Neural Network based on Multi-resolutional Self-attention for Sound Event Detection

음향신호에 포함된 관심 음향의 종류와 구간을 검출하는 음향 이벤트 검출은 여러 모니터링 시스템의 핵심 기술로 주목받고 있다. 최근, 음향 신호 분석에 관한 국제 경연대회 (DCASE: Detection and Classification of Acoustic Scenes and Events)를 통해, 음향 이벤트 검출 성능을 향상하기 위한 방법들이 소개되고 있다. 음향 이벤트 검출 성능을 효과적으로 개선하기 위해서는 음향신호에 포함된 여러 소리에 대한 특징을 효과적으로 추출할 수 있는 음향 이벤트 검출 모델이 필요하다. 본 논문은 효과적인 음향 이벤트 검출 설계를 위해, Convolutional Neural Network 설계에 적용 가능한 기존 방법들의 성능을 분석하고, 더욱 효과적인 방법을 제안한다. DCASE2020 task4의 테스트베드에 기반한 검출 실험에서 제안하는 방법은 클래스 평균 이벤트 기반 F1 점수에서 39.69±1.29[%]를 기록하며, 기본 방법들과 비교하여 가장 우수한 성능을 보여준다.