딥러닝 음성인식 / 음성합성 분야 논문분석 하다 사업화 방안까지 준비관련 ...

한 3 년전에 딥러닝 분야가 엄청 빠르게 상용화 진행이 빠르게 발전하는것을 보고 ...

지금부터라도 딥러닝의 기초인 CNN 모델이라도 공부해 보자는 생각으로 시작했읍니다 ...

딥러닝 응용분야가 수백가지 분야가 되다 보니 ...  어느것을 공부해야 하나 하는 고민이 있었는데 ...

제가 생각했을때 앞으로 가장 각광을 받을 분야가 음성합성/음성인식분야 그리고 언어 번역분야라고 생각했읍니다 ...

제가 10 여년전 비디오코덱중 H.264 디코더의 코덱 압축데이터의 디코딩 알고리즘 구현으로 사업화를

한적이 있어서 ...  음성합성/음성인식분야를 접하는게 그렇게 어색하지 않더군요

저의 경우, 87년에 대학원에 입학했을때, 제 옆 연구실에서 음성인식을 하고 있었는데

LPC 알고리즘으로 구현하는것을 봤었거든요 ...  그때 음성인식은 IBM-AT PC 로 대학원에서 실험을 했었구요

지금 이렇게 딥러닝 음성분야가 눈부신 발전을 한것을 보면서 공부를 안할수가 없었읍니다 

딥러닝 음성인식/합성 분야의 경우 음성 FEATURE 데이터의 한 종류인 Mel-Spectrogram 공부부터 ...

음성 FEATURE 데이터의 한 종류인 Mel-Spectrogram을 사용해서 어떻게 음성 데이터를 학습시키는지

거기에 관련된 메커니즘이 여러개인데 ...  이것을 하나하나 차근차근 분석을 진행했읍니다 ...

딥러닝 음성분야가 공부하다보면 하나를 공부하다보면 그와 관련된 여러분야까지 공부가 필요하게되서

참 쉽게 파악되는 분야가 아님을 다시한번 깨닫게 됬구요

국내외 논문을 제일 관심가는 논문을 한 10 편 분석하다 보니 지금 현재는 딥러닝 음성분야로 사업화를 한다면

딥러닝 모델 상용화를 진행시 무었을 어떤 방식으로 처리하는게 가장 효율적인가를 알수 잇었읍니다 ...

깃허브 사이트에 공개된 딥러닝 모델 소스들은 기본 동작 확인을 위한 참조소스가 공개되기에 ...

이것으로 딥러닝 모델의 상용화를 하기 위해서는 

공개된 딥러닝 모델 소스의 기본적인 기초 동작 성능을 확인후 이것을 기반으로 상용화시 부족한 딥러닝 모델

설계 부분을 다 채워 넣어야 하기 때문에 이렇게 상용화 진행을 시행착오를 겪어가며 개발이 필요 합니다 ...

국내외 논문에서 제안한 딥러닝 모델 구조를 이해한후 깃허브 딥러닝 모델 소스의 기본적인 세부 동작구조를

확인후 이것을 기반으로 딥러닝 논문의 제안 딥러닝 모델 구조를 개선할수 있는 상용화 딥러닝 소스 개발이 필요합니다 ...

 

저는 자금력 부족으로 해외논문 분석을 주로 진행했는데 ...

이것도 꾸준히 한 1 년 반 이상 하다보니 딥러닝 사업화 처리 방법의 이해도 가능해졌읍니다 ...

 

제가 딥러닝 구현은 직접 처리한 경험은 없지만 ...  딥러닝 논문의 Research 분야로 협업은 가능할것 같읍니다 ...

관심있으신 기업 연락주시면 세부협의하고 싶읍니다 ....

 

  

제 소개를 하겠읍니다 ...

 

DMBTEC       HP : 010-3350-6509      이메일 :  sayhi7@daum.net 

일인기업 (개인사업자 기업) DMBTEC 기술자문 장석원 입니다 ...

 

연락주셔도 좋읍니다 ....

HOME  :  https://dmbtec.blogspot.com/

DMBTEC 기술자문 분야 - WebRTC Janus 미디어서버 분야 :: 인공지능 딥러닝 분야 :: 카메라센서 3A 튜닝