A Local-Cloud Edge based Keyword Spotting using Deep Learning
저자
M. Adib Kamali ; Paul Angelo Oroceo ; Alexander Pascual ; Angela Caliwag ; Wansu Lim
발행기관
학술지명
권호사항
발행연도
2021
작성언어
English
주제어
자료형태
학술저널
발행기관 URL
수록면
127-127(1쪽)
제공처
Objective: This study aims to develop a reliable and efficient keyword spotting (KWS) system suitable for a user interface on an edge device application. In addition, this study also aims to implement KWS on both local (to perform low-level tasks and in condition without internet access) and cloud (to perform high-level tasks). Background: KWS plays a significant role in realizing speech-based user interaction with an edge device. Existing KWS system issues include 1) low accuracy, caused by unrecognized noise signals during training and inference process, 2) high computational complexity, caused by the use of deep learning models with complex architecture, 3) internet connection dependency, caused by running main processes into cloud server, and 4) system responsiveness, can be affected by high latency in data transfer over the internet which is affected by external factors. Method: First, to increase the accuracy, crowd-sourcing techniques is used to obtain training sets which includes variety of audio sample with different accents and voice quality. The quality of the training data is improved using signal augmentation and curation methods. Second, to reduce the computational complexity, the trained model is optimized using a quantization method. In case of increasing accuracy, signal augmentation adds background noise to the training dataset and assists the KWS model to recognize the keyword in a variety of environments. Data curation is used is to process augmented signals which include: collecting, organizing, labeling, cleaning, enhancing, and preserving data for the KWS training process. In addition to signal augmentation and curation, a Mel Frequency Cepstral Coefficient (MFCC) is used to extract the features in an audio signal. The extracted features are then restructured to an image and a convolutional neural network (CNN) is used to learn the features and classify the MFCCs in each sample dataset. To further improve the accuracy, the training parameters are adjusted to achieve a validation accuracy of at least 85%. Also, regularization techniques and dropout layers are added to avoid overfitting. In KWS system deployment, the trained model is optimized to reduce memory, computing, and power consumption. Hence, model weights and activations parameters are quantized using 8-bit integers without incurring a significant loss in accuracy. The implementation utilizes the local-cloud server processing, where a local database residing in the edge server works alongside with the cloud server to execute more complex algorithm and processes. Results: The training result shows that our KWS model achieves an average accuracy and loss of 95.9% and 0.18, respectively. The raining result also reveals that the trained KWS model is ready for model testing on the edge. Furthermore, the optimization result shows the inference time, peak random access memory usage, and flash usage are reduced by 21.1%, 32.3%, and 58.5%, respectively. Conclusion: The result of model training and testing shows that the proposed KWS system has high accuracy and resource efficiency. The system also exhibits internet independence as local database is implemented locally. Application: The inference process uses two platforms: edge device and cloud server. The edge device, Arduino BLE sense microcontroller, is used to spot the keywords using optimized CNN that will produce a unique keyword identifier and is sent over to the cloud server. The identifier is used to match the keyword for its corresponding response. The cloud server sends the response of the spotted keyword to the edge device.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)