| 46 |
2020 |
10-2020-0006401 |
|
경상국립대학교 산학협력단 |
AI 기반 소성 가공 공정 정보 구축 방법
[요약]
본 발명은 AI 기반 소성 가공 공정 정보 구축 방법에 관한 것이다. 본 발명은 소성 가공 시뮬레이터의 해석 결과를 선택적으로 프로세스 디자인 DB에 저장하는 단계; AI 기반 최적 공정 디자인 시스템이 시뮬레이션 소프트웨어와 연결되어 공정에 관한 상세 해석 결과를 얻는 단계; 상기 AI 기반 최적 공정 디자인 시스템에 의하여 생성되는 후보 공정 설계가 상기 프로세스 디자인 DB에 자동적으로 저장되는 단계; 스마트 매뉴팩쳐링 시스템이 공정 설계의 운영 정보를 획득, 가공하여 공정 개선 정보로 활용하는 단계를 포함하고, 상기 프로세스 디자인 DB에 저장되는 공정 설계 정보들은 축약된 형태로 저장이 되고, 하나의 파일에 복수의 공정에 관한 해석 및 생산 정보가 저장되는 AI 기반 소성 가공 공정 정보 구축 방법이 제공될 수 있다.
[대표청구항]
소성 가공 시뮬레이터의 해석 결과를 선택적으로 프로세스 디자인 DB에 저장하는 단계;AI 기반 최적 공정 디자인 시스템이 시뮬레이션 소프트웨어와 연결되어 공정에 관한 상세 해석 결과를 얻는 단계;상기 AI 기반 최적 공정 디자인 시스템에 의하여 생성되는 후보 공정 설계가 상기 프로세스 디자인 DB에 자동적으로 저장되는 단계; 스마트 매뉴팩쳐링 시스템이 공정 설계의 운영 정보를 획득, 가공하여 공정 개선 정보로 활용하는 단계;를 포함하고,상기 프로세스 디자인 DB에 저장되는 공정 설계 정보들은 축약된 형태로 저장이 되고, 하나의 파일에 복수의 공정에 관한 해석 및 생산 정보가 저장되는 AI 기반 소성 가공 공정 정보 구축 방법.
|
인공지능 |
|
45 |
2019 |
10-2019-0171716 |
|
군산대학교 산학협력단 |
공간 태그된 사진들의 컨텐츠에 기반한 클러스터링 방법 및 장치
[요약]
일 실시예에 따르면, 클러스터링 방법 및 장치는 공간 태그된 사진들을 수신하고, 사진들이 촬영된 위치 및 사진들에 포함된 적어도 하나의 대상을 기초로 사진들의 컨텐츠들을 분류하고, 분류된 컨텐츠들 중 미리 설정된 조건을 만족하는 컨텐츠의 이미지 데이터들에 기초하여 클러스터링을 수행하여 클러스터링된 이미지 데이터들을 출력한다.
[대표청구항]
클러스터링 장치의 클러스터링 방법에 있어서, 공간 태그된(geo-tagged) 사진들을 수신하는 단계;상기 사진들이 촬영된 위치 및 상기 사진들에 포함된 적어도 하나의 대상을 기초로, 상기 사진들의 컨텐츠(content)들을 분류하는 단계; 상기 분류된 컨텐츠들 중 미리 설정된 조건을 만족하는 컨텐츠의 이미지 데이터들에 기초하여 클러스터링을 수행하는 단계; 및 상기 클러스터링된 이미지 데이터들을 출력하는 단계를 포함하고, 상기 클러스터링을 수행하는 단계는 상기 분류된 컨텐츠들의 이미지 데이터들 중 이미지 검색 조건을 만족하는 제1 이미지 데이터들을 선택하는 단계;공간 조건을 기초로 상기 제1 이미지 데이터들을 필터링하여 적어도 하나의 제2 이미지 데이터를 추출하는 단계;클러스터의 반경, 클러스터의 최소 개수 및 상기 제2 이미지 데이터를 기초로, 노드-이웃 그래프(Node-Neighbors Graph; NNG)를 생성하는 단계; 및 상기 노드-이웃 그래프를 기초로, 밀도 기반의 클러스터링을 수행하는 단계를 포함하는, 클러스터링 방법.
|
인공지능 |
|
44 |
2019 |
10-2019-0110247 |
|
군산대학교 산학협력단 |
제품 평가 마이닝 방법 및 이를 수행하는 장치
[요약]
이하의 실시예는 제품 평판 마이닝 방법에 관한 것이다. 실시예에 따른 제품 평판 마이닝 방법은 제품에 연관된 주요 이슈들을 추출하는 단계; 감성사전에 기초하여 주요 이슈들에 대한 선호도를 측정하는 단계; 및 선호도에 기초하여 주요 이슈들에 대한 감성 요약을 생성하는 단계를 포함할 수 있다.
[대표청구항]
장치의 제품 평판 마이닝 방법에 있어서,제품에 연관된 주요 이슈들을 추출하는 단계;감성사전에 기초하여 상기 주요 이슈들에 대한 선호도를 측정하는 단계; 및상기 선호도에 기초하여 상기 주요 이슈들에 대한 감성 요약을 생성하는 단계를 포함하고,상기 제품에 연관된 주요 이슈들을 추출하는 단계는,상기 제품의 리뷰와 연관된 단어들이 상기 주요 이슈들 중 제1 주요 이슈에 속할 확률을 계산하는 단계;상기 확률이 계산된 단어들 간의 유사도를 추출하고, 추출된 유사도에 기초하여 상기 제1 주요 이슈에 대한 일관성을 추출하는 단계;상기 단어들에 대해 워드 임베딩을 수행하여 상기 각 단어들을 벡터로 표현하는 단계;상기 단어들 중 상기 유사도가 높은 단어 상위 m개의 단어에 대해 긍정벡터 연산을 수행하는 단계; 상기 긍정 벡터 연산에 의해 도출된 레이블과 유사한 단어를 상기 제1 주요 이슈의 레이블로 맵핑하는 단계; 및상기 일관성이 높은 상위 N개의 주요 이슈 및 해당 레이블을 추출하는 단계를 포함하는,제품 평판 마이닝 방법.
|
인공지능 |
|
43 |
2019 |
10-2019-0116090 |
|
군산대학교 산학협력단 |
지오 태그 사진들로부터 어트랙션 지역을 발견하는 방법 및 이를 수행하는 장치
[요약]
본 발명의 실시예는 지오 태그 사진들로부터 어트랙션 지역을 발견하는 방법 및 이를 실행하는 장치에 관한 것이다. 실시예에 따른 지오 태그 사진들로부터 어트랙션 지역을 발견하는 방법은 지오 태그 사진들 각각의 사진 정보를 획득하는 단계; 사진 정보를 참조하여 지오 태그 사진들 각각의 뷰 방향으로 선분들을 획득하는 단계; 사진 정보를 참조하여, 지오 태그 사진들 각각의 선분들이 교차하는 교차점들을 생성하는 단계; 및 교차점들 중 적어도 N개의 선분들이 교차하는 교차점들을 클러스터링하여 어트랙션 지역을 지정하는 단계를 포함한다.
[대표청구항]
장치에서 지오 태그 사진들로부터 어트랙션 지역을 발견하는 방법에 있어서,상기 지오 태그 사진들 각각의 사진 정보를 획득하는 단계;상기 사진 정보를 참조하여 상기 지오 태그 사진들 각각의 뷰 방향의 역방향으로 선분들을 획득하는 단계;상기 사진 정보를 참조하여, 상기 지오 태그 사진들 각각의 역방향 선분들이 교차하는 교차점들을 생성하는 단계; 및상기 교차점들 중 적어도 N개의 선분들이 교차하는 교차점들을 클러스터링하여 어트랙션 지역을 지정하는 단계를 포함하는,지오 태그 사진들로부터 어트랙션 지역을 발견하는 방법.
|
인공지능 |
|
42 |
2022 |
10-2022-0044940 |
|
금오공과대학교 산학협력단 |
번호판 인식을 위한 인공지능 모델의 학습 데이터를 생성하는 방법 및 장치
[요약]
미공개특허로 정보가 제공되지 않습니다
[대표청구항]
특허 원문은 기술보유기관으로 문의해주시기 바랍니다
|
인공지능 |
|
41 |
2022 |
10-2022-0005032 |
|
금오공과대학교 산학협력단 |
객체 검출 누락을 최소화한 객체 검출기의 학습 방법 및 이를 수행하기 위한 장치
[요약]
본 발명의 객체 검출 누락을 최소화한 객체 검출기의 학습 방법은 브랜드를 분석할 영상을 입력 받는 단계, 영상의 장면별로 군집화를 수행하고 시각화하는 단계, 장면별로 군집화하여 시각화된 정보에 근거하여 객체 학습대상 프레임을 수집하는 단계, 수집된 객체 학습대상 프레임에 대해 객체 레이블링 작업을 수행하여 객체 레이블을 입력 받는 단계 및, 입력된 객체 레이블을 통해 학습을 수행하여 객체 검출 모델을 생성하는 단계를 포함한다. 이에 의해, 영상을 군집화하여 레이블링 작업된 레이블로 객체 검출기를 학습 시킴으로써 객체 검출의 누락을 최소화할 수 있다. 나아가, 브랜드의 노출을 분석에 대한 신뢰성 및 효율성을 높일 수 있다.
[대표청구항]
브랜드를 분석할 영상을 입력 받는 단계;상기 영상의 장면별로 군집화를 수행하고 시각화하는 단계;상기 장면별로 군집화하여 시각화된 정보에 근거하여 객체 학습대상 프레임을 수집하는 단계; 상기 수집된 객체 학습대상 프레임에 대해 객체 레이블링 작업을 수행하여 객체 레이블을 입력 받는 단계; 및,상기 입력된 객체 레이블을 통해 학습을 수행하여 객체 검출 모델을 생성하는 단계;를 포함하는 객체 검출 누락을 최소화한 객체 검출기의 학습 방법.
|
인공지능 |
|
40 |
2021 |
10-2021-0181041 |
|
금오공과대학교 산학협력단 |
위급상황 인지기능을 갖춘 가정용 홈케어 AI 낙상감지 시스템
[요약]
본 발명은 위급상황 인지기능을 갖춘 가정용 홈케어 AI 낙상감지 시스템에 관한 것으로, 보다 상세하게는 열감지센서(thermal array sensor)를 이용하여 감지된 대상의 형상을 바탕으로 AI 알고리즘을 통해 낙상 여부를 판단하고 알림 수단을 통해 보호자에게 알림을 제공하기 위한 위급상황 인지기능을 갖춘 가정용 홈케어 AI 낙상감지 시스템에 관한 것이다. 또한, 열감지센서(thermal array sensor)를 이용하여 재실 중인 대상의 형상을 감지하기 위한 형상 감지부와 상기 형상 감지부를 통해 감지된 대상의 형상을 바탕으로 AI 알고리즘을 통해 낙상 여부를 판단하는 제어부를 포함하는 것을 특징으로 한다.
[대표청구항]
열감지센서(thermal array sensor)를 이용하여 재실 중인 대상의 형상을 감지하기 위한 형상 감지부와;상기 형상 감지부를 통해 감지된 대상의 형상을 바탕으로 AI 알고리즘을 통해 낙상 여부를 판단하는 제어부를 포함하는 것을 특징으로 하는위급상황 인지기능을 갖춘 가정용 홈케어 AI 낙상감지 시스템.
|
인공지능 |
|
39 |
2022 |
10-2022-0032556 |
|
울산과학기술원 |
설명 가능한 인공 지능 모델을 이용한 합금 설계장치 및 그 방법
[요약]
미공개특허로 정보가 제공되지 않습니다
[대표청구항]
특허 원문은 기술보유기관으로 문의해주시기 바랍니다
|
인공지능 |
|
38 |
2019 |
10-2019-0105963 |
|
인천대학교 산학협력단 |
실내 결로 발생 시간을 예측하는 결로 예측 시스템 및 방법
[요약]
실내 결로 발생 시간을 예측하는 결로 예측 시스템 및 방법은 실내 온도와 실외 온도의 온도 변화에 따라 결로가 발생할 표면의 표면 온도 추정치를 예측하는 모델링을 수행하고, 상기 예측된 표면 온도 추정치와 이슬점 온도의 시간에 따른 변화를 분석하여 결로가 발생하는 결로 예측 시간을 계산하여 알려줌으로써 사전 환기 작업을 통해 결로를 사전에 예방할 수 있는 효과가 있다.
[대표청구항]
결로가 발생하는 창문의 내측면에 부착된 제1 센서노드;실내의 일측에 부착된 제2 센서노드; 및상기 제1 센서노드로부터 창문 내측면의 표면 온도를 무선 통신으로 수신하고, 상기 제2 센서노드로부터 실내 온도와 습도 정보를 무선 통신으로 수신하고, 외부의 날씨 정보 서버로부터 실외 온도를 수신하여 온습도 정보 데이터베이스부에 저장하고, 시간대별 상기 실내 온도와 상기 실외 온도에 따른 상기 창문 내측면의 측정 표면 온도의 상관 관계를 기계 학습하여 상기 실내 온도와 상기 실외 온도에 대한 창문 내측면의 표면 온도를 추정하는 클라우드 서버를 포함하고,상기 클라우드 서버는 시간(i)에 따른 창문 내측면의 표면 온도( )에서 두 점 을 이용한 제1 직선방정식(Tangent of Tsurf)을 기설정된 시간 단위마다 주기적으로 생성하고, 시간(i)에 따른 이슬점 온도( )에서 두 점 을 이용한 제2 직선방정식(Tangent of Tdew)을 기설정된 시간 단위마다 주기적으로 생성하고,상기 제1 직선방정식으로부터 얻은 제1 직선과, 상기 제2 직선방정식으로부터 얻은 제2 직선의 시간에 따른 변화 패턴을 모니터링하며, 상기 제1 직선과 상기 제2 직선이 만나는 교차점을 결로 발생 지점으로 판단하고, 현재 시간에서 상기 결로 발생 지점까지 소요되는 결로 예측 시간( )을 계산하는 결로 예측부를 더 포함하는 것을 특징으로 하는 결로 예측 시스템.
|
인공지능 |
|
37 |
2021 |
10-2021-0075966 |
|
충북대학교 산학협력단 |
머신러닝에 기초한 반도체 불량 시점 예측 장치 및 방법
[요약]
본 발명은 컴퓨팅 장치에 의해 실행되는 머신러닝에 기초한 반도체 불량 시점 예측 방법으로서, 반도체 검사 장치 또는 센서로부터 불량 발생 시점을 예측하기 위한 데이터를 수집하는 단계; 수집된 데이터로부터 입력변수를 도출하여 머신러닝을 수행할 학습모델을 설계하는 단계; 설계된 학습모델에 데이터들을 입력하여 불량 발생 시점을 예측하기 위한 학습을 수행하는 단계; 학습 수행결과에 대한 정확도를 분석하여 상기 학습모델의 변수를 조정하는 단계; 및 상기 학습모델을 기반으로, 반도체 검사 장치 또는 센서로부터 데이터를 입력받아, 불량 유형별 불량 발생 시점을 확률로 예측하여 시각화하는 단계를 포함하는 것을 특징으로 한다.
[대표청구항]
컴퓨팅 장치에 의해 실행되는 머신러닝에 기초한 반도체 불량 시점 예측 방법으로서, 반도체 검사 장치 또는 센서로부터 불량 발생 시점을 예측하기 위한 데이터를 수집하는 단계; 수집된 데이터로부터 입력변수를 도출하여 머신러닝을 수행할 학습모델을 설계하는 단계; 설계된 학습모델에 데이터들을 입력하여 불량 발생 시점을 예측하기 위한 학습을 수행하는 단계; 학습 수행결과에 대한 정확도를 분석하여 상기 학습모델의 변수를 조정하는 단계; 및상기 학습모델을 기반으로, 반도체 검사 장치 또는 센서로부터 데이터를 입력받아, 불량 유형별 불량 발생 시점을 확률로 예측하여 시각화하는 단계를 포함하고,상기 입력변수를 도출하여 머신러닝을 수행할 학습모델을 설계하는 단계는, XGBoost 알고리즘에 기반하여 가중치(weight), 이득(gain), 대상의 수(coverage)에 따른 변수의 상대적 중요도를 계산하고, 계산 결과에 기초하여 입력변수를 도출하고, SHAP 게임 이론적 접근 방식을 통해 각 변수의 SHAP 값(value)와 특징 값(Feature value)을 산출하고, 상기 특징값에 기초하여 변수에 미치는 영향도를 검증하는 것을 특징으로 하는 머신러닝에 기초한 반도체 불량 시점 예측 방법.
|
인공지능 |
|
36 |
2020 |
10-2020-0052756 |
|
한국전력공사 |
인공신경망 기반 전력시장 가격 예측 시스템
[요약]
본 발명은 인공신경망 기반 전력시장 가격 예측 방법 및 장치에 관한 것으로, 전력 시장 가격 예측 방법은 데이터베이스로부터 전력 거래 데이터를 수집하는 단계, 상기 수집된 데이터를 인공신경망에 입력할 수 있는 상태로 가공하는 단계, 상기 가공된 데이터로 상기 인공신경망에 대한 학습을 진행하는 단계 및 학습된 인공신경망을 이용하여 계통한계가격(SMP)을 예측하는 단계를 포함할 수 있다. 본 발명에 의하면 학습된 인공신경망을 통해서 전일 시장 및/또는 실시간 시장의 계통한계가격(SMP)을 예측할 수 있다.
[대표청구항]
전력시장 가격 예측 방법에 있어서,데이터베이스로부터 전력 거래 데이터를 수집하는 단계;상기 수집된 데이터를 인공신경망에 입력할 수 있는 상태로 가공하는 단계;상기 가공된 데이터로 상기 인공신경망에 대한 학습을 진행하는 단계; 및상기 학습된 인공신경망을 이용하여 계통한계가격(SMP)을 예측하는 단계를 포함하는, 전력시장 가격 예측 방법.
|
인공지능 |
|
35 |
2020 |
10-2020-0183575 |
|
한국전자기술연구원 |
작물 특성 분석 장치
[요약]
본 발명은 농작물의 물리적 특징, 색상 등의 형질을 분석하기 위한 영상을 취득하는 작물 특성 분석 장치에 관한 것이다. 본 발명에 따른 작물 특성 분석 장치는 암실을 조성하는 본체, 본체 내부에 구비되는 조명부, 본체의 내부를 촬영하는 촬영부, 본체 내부에 구비되어 촬영부의 캘리브레이션을 위한 보드판, 촬영부를 통해 보드판을 촬영하여 캘리브레이션을 수행하고, 본체 내부에 구비되는 분석 대상 객체의 특성을 분석하는 제어부를 포함한다.
[대표청구항]
암실을 조성하는 본체;상기 본체 내부에 구비되는 조명부;상기 본체의 내부를 촬영하는 촬영부;상기 본체 내부에 구비되어 상기 촬영부의 캘리브레이션을 위한 보드판; 및상기 촬영부를 통해 상기 보드판을 촬영하여 캘리브레이션을 수행하고, 상기 본체 내부에 구비되는 분석 대상 객체의 특성을 분석하는 제어부;를 포함하고,상기 보드판은,상기 본체의 하부면 상에 구비되며 위상정보 캘리브레이션을 위한 것으로서, 검정색 사각형과 흰색 사각형이 교번하여 배치되는 격자를 구비하는 제1 보드판; 및상기 제1 보드판과 이웃하게 배치되어 색상정보 캘리브레이션을 위한 것으로서, 하나 이상의 요소 색상의 사각형이 배치되는 격자를 구비하는 제2 보드판;을 포함하는 것을 특징으로 하는 작물 특성 분석 장치.
|
인공지능 |
|
34 |
2021 |
10-2021-0040427 |
|
광주과학기술원 |
안전정보제공장치
[요약]
본 발명의 안전정보제공장치는, 학습모델이 탑재되어 상기 학습모델로 위치정보가 입력되고, 상기 위치정보에 대응하는 안전정보를 제공하는 인공지능장치이다.
[대표청구항]
학습모델이 탑재되어 상기 학습모델로 위치정보가 입력되고, 상기 위치정보에 대응하는 안전정보를 제공하는 인공지능장치이고, 상기 학습모델을 학습하는 네트워크 장치에는, 일탈행위가 일어난 곳의 복수의 이미지와 상기 일탈행위의 클래스를 포함하는 입력데이터를 인코딩하는 인코더;상기 복수의 이미지가 인코딩된 이미지의 특징점을 매칭하는 어텐션 모듈;상기 어텐션 모듈로 추출한 특징점과, 상기 인코딩된 피쳐를 업셈플링(Upsampling)하여 업셈플링된 피쳐를 생성하는 업셈플러; 및상기 업셈플링된 피처를 학습하여 상기 학습모델을 제공하는 시공간뉴럴네트워크가 포함되고, 상기 네트워크 장치의 손실함수는, 이고, 여기서, LD는 판별손실이고, LC는 분류손실이고, 람다 1은 스케일링 팩터인,안전정보제공장치.
|
인공지능 |
|
33 |
2021 |
10-2021-0029317 |
|
전남대학교 산학협력단 |
멀티모달 데이터 융합 시스템 및 방법
[요약]
본 발명은 멀티모달 데이터 융합 시스템 및 방법에 관한 것으로, 데이터 수신부가 외부로부터 이미지 및 텍스트 정보를 수신하고, 특징점 도출부가 상기 수신된 이미지 정보에 대한 특징점과 텍스트 정보에 대한 특징점을 각각 도출하고, 자기 교차부가 상기 도출된 각각의 특징점으로 이미지 데이터와 텍스트 데이터 각각에 대하여 적어도 하나의 이미지 입력 데이터와 텍스트 입력 데이터를 생성하고, 생성된 적어도 하나의 이미지 입력 데이터 또는 텍스트 입력 데이터에 대해 각각의 입력 데이터를 벡터내적한 다음, 소프트맥스(Softmax) 함수로 연산하여 연산된 값 중 가장 큰 값의 제1 이미지 결과 데이터와 제1 텍스트 결과 데이터를 도출하며, 도출된 제1 이미지 결과 데이터와 이미지 입력 데이터 및 제1 텍스트 결과 데이터와 텍스트 입력 데이터를 벡터내적하여 상기 이미지 및 텍스트 데이터가 정규화된 이미지 정규화 데이터와 텍스트 정규화 데이터를 생성하고, 상호 교차 융합부가 상기 이미지 정규화 데이터와 상기 텍스트 정규화 데이터 각각을 복제하여 적어도 하나의 이미지 복제 데이터와 텍스트 복제 데이터를 생성하고, 상기 생성된 적어도 하나의 이미지 복제 데이터 및 텍스트 복제 데이터 각각을 행렬곱으로 연산하고, 연산된 데이터의 값이 너무 크거나 작은 값들을 제거하도록 스케일링 한 다음, 소프트맥스 함수로 연산하여 연산된 값 중 가장 큰 값의 제2 이미지 결과 데이터와 제2 텍스트 결과 데이터를 도출하고, 도출된 각각의 상기 제2 이미지 결과 데이터와 상기 텍스트 정규화 데이터 및 상기 제2 텍스트 결과 데이터와 상기 이미지 정규화 데이터를 행렬곱으로 연산하여 이미지 데이터에 텍스트 데이터가 융합된 이미지-텍스트 융합 데이터와 텍스트 데이터에 이미지 데이터가 융합된 텍스트-이미지 융합 데이터를 생성하며, 융합 데이터 도출부가 상기 이미지-텍스트 융합 데이터와 텍스트-이미지 융합 데이터에 대한 임베디드 분포 간의 쿨백-라이블러 발산(Kullback Leibler divergence)을 최소화하여 최종 융합 데이터를 도출하는 융합 데이터 도출부를 포함하는 구성으로 서로 다른 양식을 가지는 이미지 및 텍스트 데이터에 대한 적절한 기능을 학습하여 잘못된 지식의 전달을 효과적으로 방지할 수 있다.
[대표청구항]
외부로부터 이미지 및 텍스트 정보를 수신하는 데이터 수신부;상기 수신된 이미지 정보에 대한 특징점과 텍스트 정보에 대한 특징점을 각각 도출하는 특징점 도출부;상기 도출된 각각의 특징점으로 이미지 데이터와 텍스트 데이터 각각에 대하여 적어도 하나의 이미지 입력 데이터와 텍스트 입력 데이터를 생성하고, 생성된 적어도 하나의 이미지 입력 데이터 또는 텍스트 입력 데이터에 대해 각각의 입력 데이터를 벡터내적한 다음, 소프트맥스(Softmax) 함수로 연산하여 연산된 값 중 가장 큰 값의 제1 이미지 결과 데이터와 제1 텍스트 결과 데이터를 도출하며, 도출된 제1 이미지 결과 데이터와 이미지 입력 데이터 및 제1 텍스트 결과 데이터와 텍스트 입력 데이터를 벡터내적하여 상기 이미지 및 텍스트 데이터가 정규화된 이미지 정규화 데이터와 텍스트 정규화 데이터를 생성하는 자기 교차부;상기 이미지 정규화 데이터와 상기 텍스트 정규화 데이터 각각을 복제하여 적어도 하나의 이미지 복제 데이터와 텍스트 복제 데이터를 생성하고, 상기 생성된 적어도 하나의 이미지 복제 데이터 및 텍스트 복제 데이터 각각을 행렬곱으로 연산하고, 연산된 데이터의 값이 너무 크거나 작은 값들을 제거하도록 스케일링 한 다음, 소프트맥스 함수로 연산하여 연산된 값 중 가장 큰 값의 제2 이미지 결과 데이터와 제2 텍스트 결과 데이터를 도출하고, 도출된 각각의 상기 제2 이미지 결과 데이터와 상기 텍스트 정규화 데이터 및 상기 제2 텍스트 결과 데이터와 상기 이미지 정규화 데이터를 행렬곱으로 연산하여 이미지 데이터에 텍스트 데이터가 융합된 이미지-텍스트 융합 데이터와 텍스트 데이터에 이미지 데이터가 융합된 텍스트-이미지 융합 데이터를 생성하는 상호 교차 융합부; 및상기 이미지-텍스트 융합 데이터와 텍스트-이미지 융합 데이터에 대한 임베디드 분포 간의 쿨백-라이블러 발산(Kullback Leibler divergence)을 최소화하여 최종 융합 데이터를 도출하는 융합 데이터 도출부를 포함하는 멀티모달 데이터 융합 시스템.
|
인공지능 |
|
32 |
2020 |
10-2020-0177015 |
|
전남대학교 산학협력단 |
기계학습한 엣지 서버환경에서 블랙아이스, 포트홀, 안개 등을 포함하는 도로 상태를 파악하여 사고발생을 예측함으로써 교통사고를 예방하는 사고발생 예측 장치 및 그 제어방법
[요약]
본 발명은 사고발생 예측 장치에 있어서, 공공 데이터 및 개인 데이터를 수신하는 통신부; 및 기계학습 모델을 이용하여, 상기 공공 데이터 및 상기 개인 데이터 중 적어도 하나에 포함된 도로 영상을 분석하고, 상기 분석된 도로 영상에 기초하여 도로 상태를 파악하고, 상기 파악된 도로 상태에 기초하여 사고발생 가능성을 예측하고, 상기 예측된 사고발생 가능성에 기초하여 상기 사고발생 가능성 관련 정보를 생성하고, 관리자 장치로 신규 위험지역 리스트 및 상기 사고발생 가능성 관련 정보 중 적어도 하나를 상기 통신부를 통해 송신하고, 사용자 장치로 상기 사고발생 가능성 관련 정보를 상기 통신부를 통해 송신하는 프로세서를 포함한다.
[대표청구항]
공공 데이터 및 개인 데이터를 수신하는 통신부; 및기계학습 모델을 이용하여, 상기 공공 데이터 및 상기 개인 데이터 중 적어도 하나에 포함된 도로 영상을 분석하고,상기 분석된 도로 영상에 기초하여 도로 상태를 파악하고,상기 파악된 도로 상태에 기초하여 사고발생 가능성을 예측하고,상기 예측된 사고발생 가능성에 기초하여 사고발생 가능성 관련 정보를 생성하고,관리자 장치로 신규 위험지역 리스트 및 상기 사고발생 가능성 관련 정보 중 적어도 하나를 상기 통신부를 통해 송신하고,사용자 장치로 상기 사고발생 가능성 관련 정보를 상기 통신부를 통해 송신하는 프로세서를 포함하며,상기 도로 상태는 안개, 포트홀, 블랙아이스 및 접촉사고 중 적어도 하나를 포함하며,상기 공공 데이터는 도로 영상, 사고다발지 정보 및 현재 교통상황 정보를 포함하고,상기 개인 데이터는 도로 영상을 포함하며,상기 프로세서는,오토인코더를 이용하여 상기 블랙아이스를 파악하고,상기 오토인코더는 상기 기계학습 모델을 이용하여 상기 도로 영상의 R, G, B 값 각각에 가중치를 부여하여 상기 가중치가 부여된 R, G, B 값을 1차원 벡터 표현(1D Vector Representation)을 통해 IR 값으로 변환하며,상기 기계학습 모델을 위한 학습데이터는 상기 공공 데이터, 상기 개인 데이터 및 도로 상태로 구성된, 사고발생 예측 장치.
|
인공지능 |
|
31 |
2021 |
10-2021-0188336 |
|
(재)대구기계부품연구원 |
공구수명 예측방법
[요약]
본 발명과 관련된 공구수명 예측방법은, 경사면(rake surface)과 여유면(clearance surface)을 갖는 대상 공구에 대하여 특정 시험조건으로 절삭을 실시하는 단계; 절삭을 실시한 상기 대상 공구에 대하여 상기 경사면과 상기 여유면을 포함하는 3차원 형상 데이터를 획득하는 단계; 상기 3차원 형상 데이터에 대응되는 제1단면프로파일과 가공전 형상 데이터에 대응하는 제2단면프로파일의 차이를 통해 마모량을 계산하는 단계; 공구 마모량 계산식에서 측정 불가능한 값을 시뮬레이션을 통해 획득하는 단계; 상기 마모량과 상기 시뮬레이션을 통해 획득된 값을 토대로 상기 공구 마모량 계산식에 포함된 복수의 상수값들을 도출하는 단계; 및 도출된 상기 상수값들을 활용하여 공구의 마모량을 예측하는 단계를 포함할 수 있다.
[대표청구항]
경사면(rake surface)과 여유면(clearance surface)을 갖는 대상 공구에 대하여 특정 시험조건으로 절삭을 실시하는 단계;절삭을 실시한 상기 대상 공구에 대하여 상기 경사면과 상기 여유면을 포함하는 3차원 형상 데이터를 획득하는 단계;상기 3차원 형상 데이터에 대응되는 제1단면프로파일과 가공전 형상 데이터에 대응하는 제2단면프로파일의 차이를 통해 마모량을 계산하는 단계;공구 마모량 계산식에서 측정 불가능한 값을 시뮬레이션을 통해 획득하는 단계;상기 마모량과 상기 시뮬레이션을 통해 획득된 값을 토대로 상기 공구 마모량 계산식에 포함된 복수의 상수값들을 도출하는 단계; 및도출된 상기 상수값들을 활용하여 공구의 마모량을 예측하는 단계를 포함하고,상기 경사면과 여유면을 갖는 대상 공구에 대하여 특정 시험조건으로 절삭을 실시하는 단계에서,상기 대상 공구는 상기 특정 시험조건이 상이하게 적용되도록 복수 개를 취하여 각각 절삭하는 과정을 포함하며,상기 특정 시험조건은 절삭속도(VC), 이송(FN) 및 절삭깊이(AP) 중 적어도 어느 하나를 복수의 상기 대상 공구에 대하여 다르게 설정하여 절삭하는 것이고,상기 공구 마모량 계산식에 포함된 복수의 상수값들을 도출하는 단계는,상기 특정 시험조건 별로 절삭된 복수의 상기 대상 공구를 기준 공구마모율에 따라 상기 기준 공구마모율보다 큰 제1 케이스그룹과 작은 제2 케이스그룹으로 구분하여 계산하는 과정을 포함하는, 공구수명 예측방법.
|
인공지능 |
|
30 |
2020 |
10-2020-0176093 |
|
경북대학교 산학협력단 |
긴 시퀀스 데이터 내 존재하는 관계 정보를 저장 가능한 분산 연관 메모리 네트워크 시스템
[요약]
본 발명은 긴 시퀀스 데이터 내 존재하는 관계 정보를 저장 가능한 분산 연관 메모리 네트워크 시스템에 관한 것으로, 본 발명에 따르면, 긴 시퀀스 데이터 내 존재하는 관계 정보를 저장 가능한 분산 연관 메모리 네트워크 시스템에 있어서, 시퀸스 데이터를 입력받는 입력부; 상기 입력부로부터 상기 시퀀스 데이터를 전달받아 메모리 연산자 및 다중 표현 정보를 생성하는 제어기; 상기 제어기로부터 상기 메모리 연산자를 통해 상기 다중 표현 정보가 저장되어 갱신되는 다중 메모리 블록 및 상기 제어기로부터 전달받은 읽혀진 다중 표현 정보를 처리하여 최종 메모리 정보를 생성하고 출력하는 출력부를 포함하되, 상기 제어기는 상기 입력부로부터 입력정보가 전달되면, 상기 다중 메모리 블록으로부터 정보를 읽어 읽혀진 다중 표현 정보를 상기 출력부에 전달하는 것을 특징으로 하는 분산 연관 메모리 네트워크 시스템을 제공할 수 있다.
[대표청구항]
긴 시퀀스 데이터 내 존재하는 관계 정보를 저장 가능한 분산 연관 메모리 네트워크 시스템에 있어서,시퀸스 데이터를 입력받는 입력부;상기 입력부로부터 상기 시퀀스 데이터를 전달받아 메모리 연산자 및 다중 표현 정보를 생성하는 제어기;상기 제어기로부터 상기 메모리 연산자를 통해 상기 다중 표현 정보가 저장되어 갱신되는 다중 메모리 블록 및상기 제어기로부터 전달받은 읽혀진 다중 표현 정보를 처리하여 최종 메모리 정보를 생성하고 출력하는 출력부를 포함하되,상기 제어기는,상기 입력부로부터 입력정보가 전달되면, 상기 다중 메모리 블록으로부터 정보를 읽어 읽혀진 다중 표현 정보를 상기 출력부에 전달하는 것을 특징으로 하는 분산 연관 메모리 네트워크 시스템.
|
인공지능 |
|
29 |
2019 |
10-2019-0176584 |
|
경북대학교 산학협력단 |
딥러닝 기반 콘크리트 균열 감지 시스템
[요약]
본 발명의 실시예에 따른 딥러닝 기반 콘크리트 균열 감지 시스템은, 콘크리트 표면에 형성된 균열에 대해서 네트워크를 통해서 딥러닝을 수행하는 딥러닝 수행부, 균열이 형성된 콘크리트를 촬영하는 카메라 모듈, 상기 카메라 모듈에서 촬영된 촬영데이터를 이미지데이터로 변환하는 영상 처리부, 및 상기 딥러닝 수행부에서 도출된 딥러닝데이터 및 상기 영상 처리부에서 생성된 상기 이미지데이터를 기초로 상기 콘크리트의 균열특성을 연산하는 연산부를 포함할 수 있다.
[대표청구항]
콘크리트 표면에 형성된 균열에 대해서 네트워크를 통해서 딥러닝을 수행하는 딥러닝 수행부; 균열이 형성된 콘크리트를 촬영하는 카메라 모듈; 상기 카메라 모듈에서 촬영된 촬영데이터를 이미지데이터로 변환하는 영상 처리부; 및 상기 딥러닝 수행부에서 도출된 딥러닝데이터 및 상기 영상 처리부에서 생성된 상기 이미지데이터를 기초로 상기 콘크리트의 균열 균열폭, 균열길이 및 균열형태를 포함하는 특성데이터를 연산하는 연산부; 를 포함하고, 상기 카메라 모듈과 상기 콘크리트 표면 사이에 거리데이터를 감지하는 거리 감지부; 를 더 포함하고,상기 연산부는 상기 딥러닝데이터와, 상기 이미지데이터를 통해 생성되는 균열의 특성 데이터가 연산되면, 상기 감지된 거리데이터에 따라 상기 균열폭, 균열길이 및 균열형태를 보정하고, 상기 거리데이터에 따라 보정된 균열폭, 균열길이 및 균열형태에 일정 기간동안 감지된 온도의 변화 특성을 적용하여 보정하고, 보정된 균열특성 변화를 그래프 데이터로 예측하고,상기 온도변화 특성에 따라 상기 콘크리트에 형성된 균열특성 변화를 그래프 데이터로 예측하는 것은,일정기간 동안 감지된 온도의 최대 변동폭에 따라 균열폭의 증가속도를 설정하고, 현재의 균열폭에 상기 균열폭의 증가속도를 적용하여 일정기간이 지난후의 균열폭을 예측하는 것을 특징으로 하는 딥러닝 기반 콘크리트 균열 감지 시스템.
|
인공지능 |
|
28 |
2018 |
10-2018-0043758 |
|
경북대학교 산학협력단 |
의약품 분류 장치, 이를 이용한 의약품 분류 방법및 의약품 분류를 위한 학습 방법, 이를 수행하기 위한 기록매체
[요약]
본 발명에 따른 의약품 분류 장치는, 구분이 요구되는 의약품에 대한 이미지를 입력 데이터로 입력받고, 입력 데이터에 대한 전체 특징값에 기반하여 적어도 하나의 후보 의약품을 설정하되, 설정된 후보 의약품이 복수 개인 경우 입력 데이터를 확대하여 의약품에 포함된 텍스트에 대한 부분 특징값을 기초로 복수의 후보 의약품 중 어느 하나의 후보 의약품을 최종 분류 결과로 출력함으로써, 의약품의 전체적인 특징뿐만 아니라 세부적인 특징을 모두 고려하여 분류 결과의 정확도가 향상될 수 있다.
[대표청구항]
구분이 요구되는 의약품에 대한 이미지를 입력 데이터로 입력받는 데이터 입력부;부스팅된 복수의 신경망 중 어느 하나의 신경망을 이용하여 상기 입력 데이터에 대한 전체 특징값을 추출하고, 상기 전체 특징값에 기반하여 기 저장된 복수의 의약품 데이터로부터 적어도 하나의 의약품 데이터를 추출하여 후보 의약품으로 설정하는 특징 추출부;상기 후보 의약품이 복수 개로 추출되면, 상기 부스팅된 복수의 신경망 중 다른 신경망을 이용하여 상기 구분이 요구되는 의약품 및 상기 후보 의약품에 표시된 텍스트에 대한 부분 특징값을 추출하고, 추출된 부분 특징값을 비교하여 상기 구분이 요구되는 의약품의 텍스트와 가장 높은 유사도를 가진 어느 하나의 후보 의약품 텍스트를 선택하는 객체 관계 분류부; 및상기 특징 추출부 및 상기 객체 관계 분류부에 의해 처리된 결과를 기초로 상기 입력 데이터를 상기 복수의 의약품 데이터 중 어느 하나의 의약품 데이터로 구분한 결과를 출력하는 출력부를 포함하고,상기 특징 추출부는,상기 전체 특징값을 기초로 상기 입력데이터가 각각의 의약품 데이터일 확률값을 산출하되,가장 높은 확률값과 차순위 확률값의 차이가 미리 설정된 임계값 이상인 경우, 가장 높은 확률값을 가진 어느 하나의 의약품 데이터를 단일 후보 의약품으로 설정하고,가장 높은 확률값과 차순위 확률값의 차이가 미리 설정된 임계값 미만인 경우, 가장 높은 확률값을 가진 의약품 데이터와 차순위 확률값을 가진 의약품 데이터를 복수의 후보 의약품으로 설정하고,학습 데이터를 이용하여 상기 복수의 신경망을 학습시키는 학습부를 더 포함하고,상기 학습부는,상기 학습 데이터에 대한 의료 데이터별 확률값을 분석하여, 가장 높은 확률값과 차순위 확률값의 차이가 미리 설정된 임계값 미만인 경우, 가장 높은 확률값을 가진 의약품 데이터와 차순위 확률값을 가진 의약품 데이터를 상기 다른 신경망의 학습 데이터로 입력시켜 상기 다른 신경망에 설정된 노드 간 가중치를 업데이트하고,상기 특징 추출부는,ON/OFF ReLu 함수를 적용하는, 의약품 분류 장치.
|
인공지능 |
|
27 |
2019 |
10-2019-0008392 |
|
경일대학교 산학협력단 |
인공신경망을 이용한 로봇 작업의 위험 상황을 제어하기 위한 장치, 이를 위한 방법 및 이 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체
[요약]
본 발명의 인공신경망을 이용한 로봇 작업의 위험 상황을 제어하기 위한 장치는 로봇장치와 상기 로봇장치의 주변의 사람 혹은 자재를 포함하는 객체를 촬영하여 객체를 나타내는 객체 영역과 객체 영역 이외의 영역인 배경 영역을 포함하는 원본 혼합 영상을 생성하는 카메라부와, 상기 원본 혼합 영상으로부터 가중치가 적용되는 복수의 연산을 수행하여 상기 배경 영역을 제거하고, 상기 객체 영역만으로 이루어진 모조 객체 영상을 생성하는 생성망과, 상기 모조 객체 영상의 객체 영역이 상기 로봇장치의 작업 반경 내에 포함되는지 여부를 판별하고, 상기 판별 결과, 상기 작업 반경 내에 포함되면, 상기 로봇장치의 작업을 중단하도록 제어하는 처리부를 포함한다.
[대표청구항]
인공신경망을 이용한 로봇 작업의 위험 상황을 제어하기 위한 장치에 있어서, 로봇장치와 상기 로봇장치의 주변의 작업자 혹은 자재를 포함하는 객체를 촬영하여 객체를 나타내는 객체 영역과 객체 영역 이외의 영역인 배경 영역을 포함하는 원본 혼합 영상을 생성하는 카메라부; 상기 원본 혼합 영상으로부터 가중치가 적용되는 복수의 연산을 수행하여 상기 배경 영역을 제외한 상기 객체 영역만으로 이루어진 모조 객체 영상을 생성하는 생성망; 상기 모조 객체 영상의 객체 영역이 상기 로봇장치의 작업 반경 내에 포함되는지 여부를 판별하고, 상기 판별 결과, 상기 작업 반경 내에 포함되면, 상기 로봇장치의 작업을 중단하도록 제어하는 처리부;상기 모조 객체 영상에 대해 가중치가 적용되는 복수의 연산을 통해 상기 모조 객체 영상이 원본인지 혹은 모조인지 여부를 출력하는 구분망; 및 상기 모조 객체 영상이 모조인 것으로 판별하도록 기댓값을 설정한 후, 설정된 기댓값과 상기 구분망의 출력값의 차이가 최소가 되도록 상기 구분망의 가중치를 수정하는 학습과 상기 모조 객체 영상이 원본인 것으로 판별하도록 기댓값을 설정한 후, 설정된 기댓값과 상기 구분망의 출력값의 차이가 최소가 되도록 상기 생성망의 가중치를 수정하는 학습이 경쟁하도록 반복하는 학습부;를 포함하는 것을 특징으로 하는 로봇 작업의 위험 상황을 제어하기 위한 장치.
|
인공지능 |
|
26 |
2022 |
10-2022-0080839 |
|
한국과학기술정보연구원 |
연관 키워드 그룹 자동 생성 방법 및 그 시스템
[요약]
미공개특허로 정보가 제공되지 않습니다
[대표청구항]
특허 원문은 기술보유기관으로 문의해주시기 바랍니다
|
인공지능 |
|
25 |
2020 |
10-2020-0165605 |
|
한국과학기술정보연구원 |
인공지능(Artificial Intelligence, AI) 알고리즘 수행 방법, 인공지능 알고리즘 수행 장치 및 인공지능 알고리즘 수행하는 소프트웨어를 저장하는 저장매체
[요약]
개시한 실시예들은 인공지능(Artificial Intelligence, AI) 알고리즘 수행 방법, 인공지능 알고리즘 수행 장치 및 인공지능 알고리즘 수행하는 소프트웨어를 저장하는 저장매체에 관한 것이다. 일 실시예에 따르면 이진 레이블(label) 데이터의 이진 레이블 분포를 검출하는 클래스(class) 분포 검출부; 상기 검출한 이진 레이블 분포에 따라 상기 데이터를 분류하고 상기 분류된 데이터를 상기 이진 레이블 분포에 따라 처리하는 레이블 분포 처리부; 및 상기 레이블 분포 처리부가 처리한 데이터의 상기 레이블 분포에 따라 선택한 인공지능 알고리즘들을 이용해 상기 레이블 분포 처리부가 처리한 데이터를 각각 학습하는 학습 처리부;를 포함하는 인공지능 알고리즘 수행 장치를 제공한다.
[대표청구항]
이진 레이블(label) 데이터의 이진 레이블 분포를 검출하는 클래스(class) 분포 검출부; 상기 검출한 이진 레이블 분포에 따라 상기 데이터를 분류하고 상기 분류된 데이터를 상기 이진 레이블 분포에 따라 처리하는 레이블 분포 처리부; 및상기 레이블 분포 처리부가 처리한 데이터의 상기 레이블 분포에 따라 선택한 인공지능 알고리즘들을 이용해 상기 레이블 분포 처리부가 처리한 데이터를 각각 학습하는 학습 처리부;를 포함하고,상기 레이블 분포 처리부는,상기 이진 레이블 데이터에 대한 특징정보의 조합들 별로 생성된 인공지능 모델들의 성능을 확인하고, 상기 인공지능 모델들의 성능을 기반으로 상기 특징정보의 조합들 중 어느 하나의 조합을 추천하는, 인공지능 알고리즘 수행 장치.
|
인공지능 |
|
24 |
2020 |
10-2020-0082914 |
|
한국생산기술연구원 |
듀얼 딥러닝을 이용한 제품의 내부 결함 검사 시스템 및 방법
[요약]
본 발명은 듀얼 딥러닝을 이용하여 다양한 제품의 구조와 결함을 동시에 검출할 수 있게 하는 듀얼 딥러닝을 이용한 제품의 내부 결함 검사 시스템 및 방법에 관한 것으로서, CNN(convolutional neural network) 모델을 기반으로 제품의 내부 결함을 나타내는 내부 결함 영상에서 내부 결함 정보를 검출하는 내부 결함 검출 모듈; CNN 모델을 기반으로 상기 제품의 구조를 나타내는 제품 구조 영상에서 제품 구조 정보를 검출하는 제품 구조 검출 모듈; 상기 내부 결함 정보와 상기 제품 구조 정보를 이용하여 상기 제품의 주요 부분과 내부 결함과의 거리 정보 또는 상기 내부 결함의 위치 정보를 산출하는 거리 산출부; 및 상기 거리 정보 또는 상기 위치 정보와 기준치를 비교하여 결함 여부를 판단하는 결함 판단부;를 포함할 수 있다.
[대표청구항]
CNN(convolutional neural network) 모델을 기반으로 제품의 내부 결함을 나타내는 내부 결함 영상에서 내부 결함 정보를 검출하는 내부 결함 검출 모듈;CNN 모델을 기반으로 상기 제품의 구조를 나타내는 제품 구조 영상에서 제품 구조 정보를 검출하는 제품 구조 검출 모듈;상기 내부 결함 정보와 상기 제품 구조 정보를 이용하여 상기 제품의 주요 부분과 내부 결함과의 거리 정보 또는 상기 내부 결함의 위치 정보를 산출하는 거리 산출부; 및상기 거리 정보 또는 상기 위치 정보와 기준치를 비교하여, 상기 거리 정보 또는 상기 위치 정보가 상기 기준치 이하에 해당할 경우에는 정상으로 판별하고, 상기 기준치 이하에 해당되지 않을 경우에는 비정상으로 판별하는 결함 판단부;를 포함하는, 듀얼 딥러닝을 이용한 제품의 내부 결함 검사 시스템.
|
인공지능 |
|
23 |
2022 |
10-2022-0077942 |
|
한국과학기술정보연구원 |
사전학습 언어모델 구축장치 및 사전학습 언어모델의 어휘 확장 방법
[요약]
본 발명은, 시간 및 비용의 상승을 최소화하면서 신규 데이터(예: 특정 분야의 데이터) 기반의 어휘 확장을 통해 특정 분야를 위한 고성능의 사전학습 언어모델을 구축할 수 있는 기술을 실현하는 사전학습 언어모델 구축장치 및 사전학습 언어모델의 어휘 확장 방법을 제안하고 있다.
[대표청구항]
사전학습 언어모델 구축장치가, 특정 분야의 데이터로부터, 기 구축된 범용 사전학습 언어모델에 추가 적용하기 위한 특정 어휘를 선별하는 선별단계;상기 사전학습 언어모델 구축장치가, 상기 범용 사전학습 언어모델 및 상기 특정 어휘가 포함되는 문장을 이용하여, 상기 특정 어휘에 대한 임베딩 값을 생성하는 생성단계; 및상기 사전학습 언어모델 구축장치가, 상기 특정 어휘 및 상기 특정 어휘에 대하여 생성한 임베딩 값을, 상기 범용 사전학습 언어모델의 어휘 사전 및 임베딩 계층에 추가하여, 상기 특정 분야에 대한 분야 적응형 어휘 확장 사전학습 언어모델을 구축하는 구축단계를 포함하며,상기 생성단계는, 상기 특정 어휘가 포함되는 문장에서 상기 특정 어휘를 특정 토큰(‘[MASK]’)으로 마스킹한 후 상기 범용 사전학습 언어모델의 MLM(Masked Language Model)에 입력하여, 상기 특정 어휘가 포함되는 문장 별로 상기 특정 토큰(‘[MASK]’)에 대한 예측 어휘 집합을 획득하며,획득한 상기 예측 어휘 집합에서 예측 오류를 개선하기 위한 필터링을 수행하며, 상기 범용 사전학습 언어모델로부터 상기 예측 어휘 집합에서 상기 필터링된 각 예측 어휘에 대한 임베딩 벡터값을 획득하고, 상기 획득한 임베딩 벡터값을 이용한 집계연산을 통해 상기 특정 어휘에 대한 임베딩 값을 생성하는 것을 특징으로 하는 사전학습 언어모델의 어휘 확장 방법.
|
인공지능 |
|
22 |
2019 |
10-2019-0032381 |
|
한국과학기술정보연구원 |
바이오 시그널 가시화 시스템 및 유효 패턴 추출 방법
[요약]
본 발명은, 딥러닝 학습을 통해 바이오 시그널을 통해 질병을 판단하기 위하여 바이오 시그널의 학습과 진단이 용이하며, 실시간으로 분석이 가능한 바이오 시그널 가시화 시스템 및 이를 이용한 유효패턴 추출 방법에 관한 것이다.
[대표청구항]
학습 바이오 시그널을 기 설정된 조건에 따라 복수의 패턴으로 표현하는 패턴표현부; 상기 복수의 패턴이 질병을 진단 또는 추측할 수 있는 정보를 가진 패턴인 유효 패턴인지 여부를 판단하고, 상기 유효 패턴의 패턴 정보를 확인하는 확인부; 상기 복수의 패턴에서 인접한 서로 다른 패턴이 인접할 확률값을 측정하는 측정부; 및상기 복수의 패턴을 측정된 상기 확률값에 따라 횡렬과 종렬을 포함하는 매트릭스 상에 표시하는 표시부; 를 포함하는 것을 특징으로 하는 바이오 시그널 가시화 시스템.
|
인공지능 |
|
21 |
2018 |
10-2018-0066158 |
|
한국과학기술정보연구원 |
실관계 기반 유사 서브 그래프 매칭
[요약]
본 발명의 일 실시예에 따른 서브 그래프 매칭 방법은 데이터베이스로부터 튜플을 획득하는 단계, 상기 튜플에 대한 킷값을 속성정보로 추가하는 단계, 상기 관계형 데이터베이스로부터 노드 및 엣지를 포함하는 데이터그래프를 생성하는 단계, 상기 데이터그래프의 각 노드에 노드번호를 부여하는 단계, 노드 및 엣지를 포함하는 질의그래프를 생성하는 단계, 상기 질의그래프의 각 노드에 우선순위를 부여하는 단계, 상기 속성정보, 상기 노드번호, 및 상기 우선순위에 기초하여 상기 질의그래프를 상기 데이터그래프에 매칭시키는 단계를 포함한다.
[대표청구항]
데이터베이스로부터 튜플을 획득하는 단계;상기 튜플에 대한 킷값을 획득하는 단계;상기 데이터베이스로부터 노드 및 엣지를 포함하는 데이터그래프를 생성하는 단계,상기 킷값은 상기 엣지에 대한 속성정보임;상기 데이터그래프의 각 노드에 노드번호를 부여하는 단계;노드 및 엣지를 포함하는 질의그래프를 생성하는 단계;상기 질의그래프의 각 노드에 우선순위를 부여하는 단계;상기 속성정보, 상기 노드번호, 및 상기 우선순위에 기초하여 상기 질의그래프를 상기 데이터그래프에 매칭시키는 단계,; 를 포함하고,상기 데이터그래프에 매칭시키는 단계에서 획득된 서브 그래프는 상기 속성정보에 대한 노드 및 엣지로 구성되고,상기 서브 그래프는 상기 데이터베이스에 존재하는,서브 그래프 매칭 방법.
|
인공지능 |
|
20 |
2022 |
10-2022-0001723 |
|
한국전자통신연구원 |
도메인특화 음성인식 모델 구성 방법 및 장치와 이를 이용한 종단형 음성인식기
[요약]
원하는 특정 도메인에서의 음성인식 성능을 높일 수 있는 종단형 음성인식 기술에 관한 것으로, 특화를 원하는 도메인의 텍스트 데이터(이하, `도메인 텍스트 데이터`)를 수집하고, 상기 수집된 도메인 텍스트 데이터를 상기 기억장소에 포함된 음성-전사문 텍스트 DB(이하, `기본 전사문 텍스트 DB`)와 비교하여 이 기본 전사문 텍스트 DB에 포함되지 않아 추가 학습이 필요한 도메인 텍스트를 결정하여 상기 기억장소에 특화 대상 도메인 텍스트 DB를 구축한다. 또한, 상기 특화 대상 도메인 텍스트 DB의 도메인 텍스트로부터 음성신호를 생성하고, 생성된 음성신호로 음성인식 신경망을 학습시켜서 특화를 원하는 도메인에 특화된 종단형 음성인식 모델을 만든다. 이 특화된 음성인식 모델을 종단형 음성인식기에 적용하여 도메인 특화 종단형 음성인식을 수행할 수 있다.
[대표청구항]
기억장소 및 프로세서가 포함된 컴퓨터 시스템에서 실행되는 종단형 음성인식 모델 구성 방법에 있어서,상기 프로세서가, 특화를 원하는 도메인의 텍스트 데이터(이하, `s도메인 텍스트 데이터`s)를 수집하고, 상기 수집된 도메인 텍스트 데이터를 상기 기억장소에 포함된 음성-전사문 텍스트 DB(이하, `s기본 전사문 텍스트 DB`s)와 비교하여 이 기본 전사문 텍스트 DB에 포함되지 않아 추가 학습이 필요한 도메인 텍스트를 결정하여 상기 기억장소에 특화대상 도메인 텍스트 DB를 구축하고;상기 프로세서가, 상기 특화대상 도메인 텍스트 DB의 특화대상 도메인 텍스트로부터 특화대상 음성신호를 생성하고, 생성된 특화대상 음성신호로 음성인식 신경망을 학습시켜서 특화를 원하는 도메인에 특화된 종단형 음성인식 모델을 만드는 것을 포함하는 도메인특화 음성인식 모델 구성 방법.
|
인공지능 |
|
19 |
2022 |
10-2022-0128070 |
|
한국전자통신연구원 |
지능형 영상 감시를 위한 이상 상황 탐지 장치 및 방법
[요약]
미공개특허로 정보가 제공되지 않습니다
[대표청구항]
특허 원문은 기술보유기관으로 문의해주시기 바랍니다
|
인공지능 |
|
18 |
2021 |
10-2021-0031995 |
|
한국전자통신연구원 |
약지도 위치 검출 기반 차량 번호판 인식 장치 및 방법
[요약]
약지도 위치 검출 기반 차량 번호판 인식 장치 및 방법이 개시된다. 본 발명의 실시예에 따른 약지도 위치 검출 기반 차량 번호판 인식 장치는, 적어도 하나의 프로그램이 기록된 메모리 및 프로그램을 실행하는 프로세서를 포함하며, 프로그램은, 차량 번호판 영상에 존재하는 적어도 하나의 숫자 및 숫자 별 출현 횟수를 인식하는 단계, 특정 숫자를 인식할 때의 차량 번호판 영상에서의 집중 위치를 표시하는 클래스 활성화 맵을 추출하는 단계 및 추출된 클래스 활성화 맵을 기반으로 인식된 인식된 숫자를 배열한 차량 번호를 출력하는 단계를 수행할 수 있다.
[대표청구항]
적어도 하나의 프로그램이 기록된 메모리; 및프로그램을 실행하는 프로세서를 포함하며,프로그램은,차량 번호판 영상에 존재하는 적어도 하나의 숫자 및 숫자 별 출현 횟수를 인식하는 단계;특정 숫자를 인식할 때의 차량 번호판 영상에서의 집중 위치를 표시하는 클래스 활성화 맵을 추출하는 단계; 및추출된 클래스 활성화 맵을 기반으로 인식된 인식된 숫자를 배열한 차량 번호를 출력하는 단계를 수행하는, 약지도 위치 검출 기반 차량 번호판 인식 장치.
|
인공지능 |
|
17 |
2021 |
10-2021-0182514 |
|
한국전자통신연구원 |
렌더링된 영상의 품질 및 실감 향상 방법 및 장치
[요약]
상기한 목적을 달성하기 위한 본 발명의 일 실시예에 따른 렌더링된 영상의 품질 및 실감 향상 방법은 실사 영상 및 렌더링된 영상을 포함하는 학습 데이터를 수신하는 단계, 상기 학습 데이터를 이용하여 저품질 영상을 생성하는 단계, 상기 저품질 영상을 이용하여 고품질 영상을 생성하는 단계, 상기 고품질 영상을 이용하여 실감 영상을 생성하는 단계, 및 상기 고품질 영상 및 실감 영상에 기반하여 산출된 오차를 이용하여 신경망을 학습하는 단계를 포함한다.
[대표청구항]
실사 영상 및 렌더링된 영상을 포함하는 학습 데이터를 수신하는 단계;상기 학습 데이터를 이용하여 저품질 영상을 생성하는 단계;상기 저품질 영상을 이용하여 고품질 영상을 생성하는 단계;상기 고품질 영상을 이용하여 실감 영상을 생성하는 단계; 및상기 고품질 영상 및 실감 영상에 기반하여 산출된 오차를 이용하여 신경망을 학습하는 단계;를 포함하는 것을 특징으로 하는 렌더링된 영상의 품질 및 실감 향상 방법.
|
인공지능 |
|
16 |
2021 |
10-2021-0160737 |
|
한국전자통신연구원 |
3차원 손 자세 추정 방법 및 증강 시스템
[요약]
증강 시스템에서 3차원 손 자세를 추정하는 방법이 제공된다. 증강 시스템은 단일 RGB 카메라가 장착된 장치로부터 카메라 초점거리 및 카메라 영상을 수신하고, 하나의 기계학습 모델을 이용하여 상기 카메라 영상으로부터 손 경계 상자 검출 및 손 랜드마크 검출을 수행하여 3차원 손 자세 추정 결과를 출력하며, 상기 3차원 손 자세 추정 결과를 디스플레이에 증강한다.
[대표청구항]
증강 시스템에서 3차원 손 자세를 추정하는 방법에서,단일 RGB 카메라가 장착된 장치로부터 카메라 초점거리 및 카메라 영상을 수신하는 단계, 하나의 기계학습 모델을 이용하여 상기 카메라 영상으로부터 손 경계 상자 검출 및 손 랜드마크 검출을 수행하여 3차원 손 자세 추정 결과를 출력하는 단계, 그리고 상기 3차원 손 자세 추정 결과를 디스플레이에 증강하는 단계를 포함하는 3차원 손 자세 추정 방법.
|
인공지능 |
|
15 |
2021 |
10-2021-0119669 |
|
한국전자통신연구원 |
RGB 프레임을 이용한 온라인 행동 탐지 장치 및 방법
[요약]
RGB 프레임을 이용한 온라인 행동 탐지 장치 및 방법이 개시된다. 본 발명의 일실시예에 따른 RGB 프레임을 이용한 온라인 행동 탐지 방법은 과거부터 현재 시점까지의 스트리밍 비디오에서 RGB 프레임을 기반으로 비디오 프레임 청크 별 청크 레벨 특징을 추출하는 단계; 비디오 프레임 청크마다 현재시점에 상응하는 청크 레벨 특징을 기반으로 증대된 특징 정보를 생성하는 단계; 및 상기 증대된 특징 정보를 기반으로 현재 시점에 상응하는 행동을 탐지하는 단계를 포함한다.
[대표청구항]
과거부터 현재 시점까지의 스트리밍 비디오에서 RGB 프레임을 기반으로 비디오 프레임 청크 별 청크 레벨 특징을 추출하는 단계;비디오 프레임 청크마다 현재시점에 상응하는 청크 레벨 특징을 기반으로 증대된 특징 정보를 생성하는 단계; 및상기 증대된 특징 정보를 기반으로 현재 시점에 상응하는 행동을 탐지하는 단계를 포함하는 것을 특징으로 하는 RGB 프레임을 이용한 온라인 행동 탐지 방법.
|
인공지능 |
|
14 |
2020 |
10-2020-0066693 |
|
한국전자통신연구원 |
주차 관제 서버 및 이를 이용한 차량 식별 방법
[요약]
본 발명은 주차 관제 서버 및 이를 이용한 차량 식별 방법에 관한 것이다. 본 발명에 따른 주차 관제 서버는 카메라로부터 영상 내 차량 위치 정보를 수신하는 입력부와, 영상 내 차량 위치 정보를 이용한 주차 관제 프로그램이 저장된 메모리 및 주차 관제 프로그램을 실행시키는 프로세서를 포함하고, 프로세서는 차량 위치 정보를 이용하여 차량의 동일성 및 차량 위치의 동일성 여부를 판단하고, 판단 결과에 따라 차량 속성 정보 추출을 위한 딥러닝 알고리즘 호출 여부를 결정하는 것을 특징으로 한다.
[대표청구항]
카메라로부터 영상 내 차량 위치 정보를 수신하는 입력부;상기 영상 내 차량 위치 정보를 이용한 주차 관제 프로그램이 저장된 메모리; 및 상기 주차 관제 프로그램을 실행시키는 프로세서를 포함하고, 상기 프로세서는 차량 위치 정보를 이용하여 차량 및 차량 위치의 동일성을 판단하고, 판단 결과에 따라 차량 속성 정보 추출을 위한 딥러닝 알고리즘 호출 여부를 결정하고,상기 프로세서는 기저장된 차량 경로 데이터베이스와 영상 내 차량 위치 정보를 비교하여, 검출 결과가 동일 카메라, 차량, 위치에 의한 것인지 여부를 확인하고, 매칭 수행 결과, 동일 위치가 아닌 것으로 판단하는 경우 차량의 실제 위치 정보 및 속성 정보를 추출하는 것인 주차 관제 서버.
|
인공지능 |
|
13 |
2019 |
10-2019-0179850 |
|
한국전자통신연구원 |
인공지능 에이전트 학습을 위한 모의 실험 환경 제공 장치 및 방법
[요약]
인공지능 에이전트 학습을 위한 모의 실험 환경 제공 장치 및 방법이 제공된다. 모의 실험 환경 제공 장치는, 원본 컨텐츠로부터 변환된 가상 컨텐츠에서 사용되는 장면(scene) 및 객체(object)를 제공하는 장면 객체 제공 모듈; 가상 컨텐츠에서 에이전트(agent)가 강화 학습을 수행하기 위해 사용되는 보상함수(reward function)를 제공하는 보상함수 제공 모듈; 가상 컨텐츠에서 에이전트가 강화 학습을 수행하기 위한 환경(environment)에 관한 정보를 포함하는 가상 환경정보를 제공하는 환경정보 제공 모듈; 가상 컨텐츠에서의 에이전트의 상태(state)를 나타내는 가상 상태정보를 제공하는 상태정보 제공 모듈; 가상 컨텐츠에서의 에이전트의 행동(action)을 나타내는 가상 행동공간을 제공하는 행동공간 제공 모듈; 및 장면, 객체, 보상함수, 가상 환경정보, 가상 상태정보 및 가상 행동공간 중 적어도 하나에 기초하여 모의 실험 환경을 생성하고, 모의 실험 환경에서 에이전트에 대한 가상학습을 수행하는 가상학습 모듈을 포함한다.
[대표청구항]
원본 컨텐츠로부터 변환된 가상 컨텐츠에서 사용되는 장면(scene) 및 객체(object)를 제공하는 장면 객체 제공 모듈;상기 가상 컨텐츠에서 에이전트(agent)가 강화 학습을 수행하기 위해 사용되는 보상함수(reward function)를 제공하는 보상함수 제공 모듈;상기 가상 컨텐츠에서 상기 에이전트가 상기 강화 학습을 수행하기 위한 환경(environment)에 관한 정보를 포함하는 가상 환경정보를 제공하는 환경정보 제공 모듈; 상기 가상 컨텐츠에서의 상기 에이전트의 상태(state)를 나타내는 가상 상태정보를 제공하는 상태정보 제공 모듈;상기 가상 컨텐츠에서의 상기 에이전트의 행동(action)을 나타내는 가상 행동공간을 제공하는 행동공간 제공 모듈; 및상기 장면, 상기 객체, 상기 보상함수, 상기 가상 환경정보, 상기 가상 상태정보 및 상기 가상 행동공간 중 적어도 하나에 기초하여 모의 실험 환경을 생성하고, 상기 모의 실험 환경에서 상기 에이전트에 대한 가상학습을 수행하는 가상학습 모듈을 포함하되,상기 보상함수는,상기 객체에 대한 상기 에이전트의 행동 또는 상기 객체에 의해 변경되는 상기 에이전트의 상태를 기초로 보상함수 리워드 값이 결정되는모의 실험 환경 제공 장치.
|
인공지능 |
|
12 |
2019 |
10-2019-0020296 |
|
한국전자통신연구원 |
학습기반 3D 모델 생성 장치 및 방법
[요약]
본 발명에 따른 학습기반 3D 모델 생성 장치의 동작 방법은, 감독 학습을 이용하여 다시점 특성 이미지를 생성하는 단계, 상기 다시점 특성 이미지에 대응하는 포인트 클라우드와 내부 형태 정보를 표현하는 특성 이미지를 이용하여 3D 메쉬 모델을 생성하는 단계, 상기 3D 메쉬 모델을 입력된 세 시점의 이미지들에 투영함으로써 텍스처 맵을 생성하는 단계, 및 상기 텍스처 맵을 이용하여 3D 모델을 생성하는 단계를 포함할 수 있다
[대표청구항]
학습기반 3D 모델 생성 장치의 동작 방법에 있어서,감독 학습을 이용하여 다시점 특성 이미지를 생성하는 단계;상기 다시점 특성 이미지에 대응하는 포인트 클라우드와 내부 형태 정보를 표현하는 특성 이미지에 대응하는 내부 포인트 클라우드를 조합하여 3D 메쉬 모델을 생성하는 단계;상기 3D 메쉬 모델을 입력된 세 시점의 이미지들에 투영함으로써 텍스처 맵을 생성하는 단계; 및상기 텍스처 맵을 이용하여 3D 모델을 생성하는 단계를 포함하되, 특성 이미지는, 다시점 특성 이미지에서 특정 시점의 특정 이미지를 입력으로 복원 대상 객체의 내부 형태 정보를 표현하도록 생성되는 방법.
|
인공지능 |
|
11 |
2020 |
10-2020-0117127 |
|
한국지질자원연구원 |
슬러지 레벨측정 방법 및 장치
[요약]
본 발명은, 적어도 하나의 센서를 이용하는 탱크 스캐닝에 의한 센싱 데이터 수집, 센싱 데이터 처리, 센싱 데이터를 이용하는 탱크 내부의 슬러지 레벨 측정 및 측정의 결과 출력을 포함하는 것을 슬러지 레벨 측정방법을 개시한다. 본 발명에 따르면, 슬러지 탱크 내부에 축적되는 슬러지의 평균 레벨이 측정될 수 있다.
[대표청구항]
카메라 및 라이다 모듈 중에서 적어도 하나를 포함하여 이루어지는 적어도 하나의 센서를 이용하여 슬러지 탱크 내부 및 외부를 스캔한 센싱 데이터를 수집하는 단계;상기 센싱 데이터를 처리하는 단계;처리된 상기 센싱 데이터를 이용하여 탱크 내부의 슬러지 레벨을 측정하는 단계; 및상기 슬러지 레벨의 측정 결과를 출력하는 단계를 포함하고,제어부는 상기 센서를 통해 수집된 상기 센싱 데이터를 이용하여 상기 슬러지 탱크 내부의 슬러지의 레벨을 측정하고 측정 결과를 출력하며,레벨 표시부는 상기 측정 결과인 슬러지의 레벨을 표시하여 현장에 있는 사용자들에게 슬러지의 레벨에 대한 정보를 알려주고,상기 카메라는 이미지 센서를 이용하여 슬러지 탱크 내부 및 외부를 스캔하여 RGB 이미지를 생성하며,상기 라이다 모듈은 레이저 송수신 모듈 및 신호처리 모듈로 구성되어 상기 레이저 송수신 모듈을 이용하여 상기 슬러지 탱크 내의 슬러지를 스캔한 3차원 원시 데이터를 획득하고, 내부의 상기 신호처리 모듈을 이용하여 처리된 라이다 센싱 데이터를 획득하고,상기 제어부는,명령 실행을 통해 전체 구성요소들을 제어하는 프로세서;상기 프로세서의 명령에 따라 제어되고, 위치정보모듈을 이용하여 GPS 위성에서 보내는 신호에 의해 자신의 위치를 획득하거나, 근거리 통신 모듈을 이용하여 현장에 있는 사용자 단말에 측정된 슬러지 레벨에 관한 경고 알람을 출력하거나, 인터넷 모듈을 이용하여 슬러지 레벨 측정 결과 데이터를 관리서버에 송신하는 통신부;상기 카메라와 라이다 모듈을 통해 수집된 원시 데이터를 처리하여 높이 측정 및 분포 측정에 사용될 수 있는 데이터로 변환하는 전처리부;상기 전처리부에서 전처리된 영상 데이터를 통해 슬러지 탱크의 내부에 프린트된 높이를 표시하는 눈금을 인식하고, 이를 이용하여 슬러지의 최고 높이 및 최저 높이를 측정하는 높이 측정부;상기 라이다 모듈을 통해 수집된 라이다 센싱 데이터를 이용하여 3차원의 슬러지 분포 지도를 작성하는 분포 측정부; 및 상기 슬러지 탱크의 용적, 높이에 관한 정보와 상기 슬러지 분포 지도를 이용하여 슬러지의 최저점, 최고점 및 평균 레벨을 측정하는 레벨 측정부를 포함하며,상기 슬러지 레벨의 측정 결과를 출력하는 단계는,사용자 단말 및 관리서버에 고체 성분이 포함된 슬러지의 레벨에 관한 정보 송신, 슬러지의 최고 높이, 평균 레벨 및 최저 레벨이 각각 임계 치에 도달했을 때에 순차적 알람 정보 송신 중에서 적어도 하나를 수행하는 단계를 포함하고,상기 높이 측정부는,상기 센싱 데이터를 이용하여 측정된 슬러지 탱크의 용적 또는 깊이 기준으로 실제 슬러지 탱크보다 작은 규모의 가상의 슬러지 탱크를 기준으로 슬러지의 높이를 측정하는 것을 특징으로 하는,슬러지 레벨 측정방법.
|
인공지능 |
|
10 |
2020 |
10-2020-0062746 |
|
동아대학교 산학협력단 |
소규모 학습 데이터 셋 기반 딥러닝 시스템과 이를 이용한 딥러닝 학습방법
[요약]
본 발명은 소규모 학습 데이터 셋을 기반으로 하는 딥러닝 시스템 및 이를 이용한 딥러닝 학습방법에 대한 것으로, 딥러닝 학습을 위한 데이터를 소규모 단위로 구분하고, 사전 검증작업을 거쳐 소규모의 학습을 위한 데이터의 딥러닝 학습에 대한 신뢰도를 높이며, 원시데이터의 반복적인 학습시간을 단축할 수 있도록 하는 것이다.이를 위해, 딥러닝 모델 학습을 하기 위해 입력되는 학습 데이터 셋 중에서 클래스간 데이터 불균형이 존재하는지 여부를 검사하여 소규모 데이터 셋과 참조 데이터 셋으로 분리하고 분석하는 데이터 불균형 분석장치부(10), 소규모 학습 데이터 셋과 데이터 생성에 필요한 참조 데이터 셋을 이용하여 생성 데이터 셋과 합성 데이터 셋을 생성하고, 생성된 데이터가 실제로 존재하는지 여부를 판별하는 데이터 생성부(20), 데이터 유사도 군집 결과와 기존에 학습되어 있는 범용 딥러닝 모델을 이용하여 목표로 학습해야 할 최종 딥러닝 모델의 가중치와 하이퍼 파라미터의 초기화에 대한 내용을 전이 학습시키는 모델을 생성하는 모델초기화부(30), 소규모 데이터 셋을 통해 생성/검증된 학습 데이터 셋과 메타 러닝 모델을 통해 생성된 전이학습 최적 데이터를 이용하여 딥러닝 모델을 통상적인 학습 데이터 셋과 레이블링 정보를 통해 학습시키는 모델 학습부(40) 및 학습된 모델을 기반으로 분류 혹은 객체 검출과 같은 추론을 하는 모델 추론부(50)로 구성되는 기술을 제공한다.
[대표청구항]
소규모 학습 데이터 셋 기반 딥러닝 시스템에 있어서,딥러닝 모델 학습을 하기 위해 입력되는 학습 데이터 셋 중에서 클래스간 데이터 불균형이 존재하는지 여부를 검사하여 소규모 데이터 셋과 참조 데이터 셋으로 분리하고 분석하는 데이터 불균형 분석장치부(10);소규모 학습 데이터 셋과 데이터 생성에 필요한 참조 데이터 셋을 이용하여 생성 데이터 셋과 합성 데이터 셋을 생성하고, 생성된 데이터가 실제로 존재하는지 여부를 판별하는 데이터 생성부(20); 데이터 유사도 군집 결과와 기존에 학습되어 있는 범용 딥러닝 모델을 이용하여 목표로 학습해야 할 최종 딥러닝 모델의 가중치와 하이퍼 파라미터의 초기화에 대한 내용을 전이 학습시키는 모델을 생성하는 모델초기화부(30);소규모 데이터 셋을 통해 생성/검증된 학습 데이터 셋과 메타 러닝 모델을 통해 생성된 전이학습 최적 데이터를 이용하여 딥러닝 모델을 통상적인 학습 데이터 셋과 레이블링 정보를 통해 학습시키는 모델 학습부(40); 및학습된 모델을 기반으로 분류 혹은 객체 검출과 같은 추론을 수행하는 모델추론부(50)로 구성되고,상기 데이터 생성부(20)는 데이터를 생성하는 생성유니트(21), 소규모 학습 데이터의 실제존재여부를 판단하는 검증유니트(22), 학습 데이터 생성유니트(21)가 학습을 위한 데이터를 획득할 수 있도록 하는 생성네트워크관리유니트(23), 검증유니트(22)에서 데이터를 검증할 수 있도록 참조할 수 있는 데이터를 획득할 수 있도록 하는 검증네트워크관리유니트(24), 데이터의 진위여부를 판단하고 그 확률값을 찾을 수 있는 확률계산유니트(25)로 구성되는 것을 특징으로 하는 소규모 학습 데이터 셋 기반 딥러닝 시스템.
|
인공지능 |
|
9 |
2019 |
10-2019-0011813 |
|
동아대학교 산학협력단 |
치매진단 및 예측을 위한 심층학습기반 PET 영상분석방법
[요약]
본 발명은 치매 진단을 위한 PET(양전자방출단층촬영)영상 분석 방법에 관한 것으로, 보다 구체적으로는 뇌의 축상면을 단층으로 촬영한 PET영상으로 구한 축상면 영상으로부터 시상면(sagittal plane)과 관상면(coronal plane) 영상을 자동으로 생성한 후, 이들 3 가지 단면 영상에 인공지능 학습 결과를 활용하여 치매에 대하여 정상, 초기, 중기, 말기 또는 정상, 치매 초기, 치매 단계를 자동으로 분류하여 분석할 수 있는 치매 진단 및 예측을 위한 심층학습 기반 PET 영상 분석 방법에 관한 것이다. 본 발명은 뇌의 축상면을 단층으로 촬영하여 복수개의 축상면 영상을 생성한 후, 복수개의 상기 축상면 영상에 대하여 영상 내삽(image interpolation)을 수행하여 3차원 모델을 생성하고, 상기 3차원 모델의 시상면과 관상면에 대하여 일정한 편 간격으로 표본화(sampling)하여 복수개의 시상면 영상과 복수개의 관상면 영상을 생성하고 기계학습 방법을 이용하여 학습을 수행하고, 학습의 결과를 이용하여 치매의 정도를 추론하는 과정을 수행하는 치매 진단을 수행하는 추론기를 구비하는 PET영상 분석 방법으로서, 복수개로 이루어진 소정의 축상면 영상을 제공하는 단계; 3차원 모델 생성기를 이용하여 상기 소정의 축상면 영상을 기초로 복수개로 이루어진 소정의 시상면 영상 및 관상면 영상을 각각 생성하는 단계; 상기 소정의 축상면 영상, 상기 소정의 시상면 영상, 및 상기 소정의 관상면 영상을 축상면 추론기, 시상면 추론기, 관상면 추론기에 제공하고 상기 축상면 추론기, 시상면 추론기, 및 관상면 추론기의 결과를 선택기에 입력하여 치매 진단을 수행하는 단계를 구비하며, 상기 축상면 영상에 대하여 정상, 초기, 치매 출력값을 , , 으로 각각 정의하고, 상기 시상면 영상에 대하여 정상, 초기, 치매 출력값을 , , 로 각각 정의하고, 상기 관상면 영상에 대하여 정상, 초기, 치매 출력값을 , , 로 각각 정의하는 경우, 상기 축상면 영상, 상기 시상면 영상, 및 상기 관상면 영상 각각의 출력값에 대하여 평균값을 아래의 식 (1), (2), (3) 같이 계산하고, (1) (2) (3) 아래의 식 (4)와 같은 기준으로 진단 결과를 산출하며, (4) 여기서, 는 최종 진단결과로써 0 이면 정상, 1 이면 초기, 2 이면 치매로 분류된다. max()는 원소 중에서 최대값인 것을 특징으로 한다. 본 발명에 따른 치매 진단 및 예측을 위한 심층학습 기반 PET 영상 분석 방법을 실시하는 경우 단순히 뇌의 특정 영상만에 기초한 종래의 진단 방법과 대비하여 보다 입체적이고 정밀한 치매 진단이 가능하다는 이점이 있다.
[대표청구항]
뇌의 축상면을 단층으로 촬영하여 복수개의 축상면 영상을 생성한 후, 복수개의 상기 축상면 영상에 대하여 영상 내삽(image interpolation)을 수행하여 3차원 모델을 생성하고, 상기 3차원 모델의 시상면과 관상면에 대하여 일정한 편 간격으로 표본화(sampling)하여 복수개의 시상면 영상과 복수개의 관상면 영상을 생성하고 기계학습 방법을 이용하여 학습을 수행하고, 학습의 결과를 이용하여 치매의 정도를 추론하는 과정을 수행하는 치매 진단을 수행하는 추론기를 구비하는 PET영상 분석 방법으로서, 복수개로 이루어진 소정의 축상면 영상을 제공하는 단계;3차원 모델 생성기를 이용하여 상기 소정의 축상면 영상을 기초로 복수개로 이루어진 소정의 시상면 영상 및 관상면 영상을 각각 생성하는 단계;상기 소정의 축상면 영상, 상기 소정의 시상면 영상, 및 상기 소정의 관상면 영상을 축상면 추론기, 시상면 추론기, 관상면 추론기에 제공하고 상기 축상면 추론기, 시상면 추론기, 및 관상면 추론기의 결과를 선택기에 입력하여 치매 진단을 수행하는 단계를 구비하고,상기 축상면 영상에 대하여 상기 축상면 추론기에서 출력되는 정상, 초기, 치매 출력값을 , , 으로 각각 정의하고, 상기 시상면 영상에 대하여 상기 시상면 추론기에서 출력되는 정상, 초기, 치매 출력값을 , , 로 각각 정의하고, 상기 관상면 영상에 대하여 상기 관상면 추론기에서 출력되는 정상, 초기, 치매 출력값을 , , 로 각각 정의하는 경우, 상기 선택기는 상기 축상면, 시상면 그리고 관상면 영상의 출력값 중에서 최대값을 기초로 치매 여부를 진단하는 것을 특징으로 하는 치매 진단 및 예측을 위한 심층학습 기반 PET 영상 분석 방법.
|
인공지능 |
|
8 |
2022 |
10-2022-0130678 |
|
부경대학교 산학협력단 |
딥러닝 기반 경사지 균열 감지 방법과 이를 이용한 산사태 조기 감지 방법 및 그 장치
[요약]
본 발명은, 디지털 영상 정보를 분석하여 산사태의 징조가 될 수 있는 경사지의 균열 및/또는 토석류 거동을 감지 및 계산함으로써, 산사태를 조기에 감지 및/또는 경고할 수 있도록 하는 딥러닝 기반 경사지 균열 감지 방법과 이를 이용한 산사태 조기 감지 방법 및 그 장치에 관한 것이다. 본 발명의 일 실시예에 따른 딥러닝 기반 경사지 균열 감지 방법은, 이미지 데이터 세트의 입력 이미지를 입력받는 이미지 입력 단계; 상기 입력 이미지에서 산사태 균열을 감지하여 균열이 배경에 대하여 구분하여 표시되는 균열 감지 이미지를 생성하는 산사태 균열 감지 단계; 및 상기 균열 감지 이미지에서 균열의 크기를 계산하는 균열 크기 산출 단계;를 포함할 수 있다. 이때, 상기 산사태 균열 감지 단계는 미리 학습용 이미지 데이터에 의하여 U-Net 모델을 이용하여 학습되어 생성되는 균열 감지 모델을 이용하여 상기 입력 이미지에서 균열 감지 이미지를 생성할 수 있다.
[대표청구항]
이미지 데이터 세트의 입력 이미지를 입력받는 이미지 입력 단계; 상기 입력 이미지에서 산사태 균열을 감지하여 균열이 배경에 대하여 구분하여 표시되는 균열 감지 이미지를 생성하는 산사태 균열 감지 단계; 및 상기 균열 감지 이미지에서 균열의 크기를 계산하는 균열 크기 산출 단계;를 구비하고, 상기 산사태 균열 감지 단계는 미리 학습용 이미지 데이터에 의하여 U-Net 모델을 이용하여 학습되어 생성되는 균열 감지 모델을 이용하여 상기 입력 이미지에서 균열 감지 이미지를 생성하며, 상기 균열 크기 산출 단계에는 상기 균열 감지 이미지를 이미지 처리하여 식별된 균열 형상으로부터 균열의 길이와 너비를 계산하며, 상기 균열 형상을 설정된 수평 또는 수직 픽셀 수의 단위로 복수의 세그먼트로 분할하고, 기준선과 균열의 경계의 두 교차점의 중심을 각각의 세그먼트의 중심점으로 하고, 해당 세그먼트의 중심점과 이전 세그먼트의 중심점 사이의 거리를 해당 세그먼트의 중심선으로 하고, 모든 세그먼트의 중심선의 합이 상기 균열의 길이로 계산되는 딥러닝 기반 경사지 균열 감지 방법.
|
인공지능 |
|
7 |
2017 |
10-2017-0081104 |
|
부경대학교 산학협력단 |
빅데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템
[요약]
본 발명은 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템에 관한 것으로, 본 발명에 따른 빅 데이터 분석을 이용한 제조 공정 관리 방법은 물리적 제조 객체에 구비된 적어도 하나의 에이전트가 해당 물리적 제조 객체에서 제조 데이터를 수집하고 수집된 제조 데이터를 전송하는 단계, 가상 공장 모듈이 상기 에이전트에서 수신된 제조 데이터를 수신하고, 상기 수신된 제조 데이터를 빅 데이터 관리 모듈에 전송하는 단계, 빅 데이터 관리 모듈이 상기 수신된 제조 데이터를 저장하고, 저장된 제조 데이터를 추출하여 훈련 데이터 세트를 생성하는 단계, 데이터 분석 모듈이 상기 훈련 데이터 세트를 분석하여 원인 데이터와 결과 데이터 사이의 예측 모델을 생성하는 단계, 가상 공장 모듈이 상기 생성된 예측 모델을 기초로 제어 파라미터를 생성하고, 생성된 제어 파라미터를 상기 에이전트에 전송하는 단계 및 에이전트는 수신된 제어 파라미터를 기초로 해당 물리적 제조 객체의 동작을 제어하는 단계를 포함한다.
[대표청구항]
물리적 제조 객체에 구비된 적어도 하나의 에이전트가 해당 물리적 제조 객체에서 제조 데이터를 수집하고 수집된 제조 데이터를 전송하는 단계;가상 공장 모듈이 상기 에이전트에서 수신된 제조 데이터를 수신하고, 상기 수신된 제조 데이터를 빅 데이터 관리 모듈에 전송하는 단계;빅 데이터 관리 모듈이 상기 수신된 제조 데이터를 저장하고, 저장된 제조 데이터를 추출하여 훈련 데이터 세트를 생성하는 단계;데이터 분석 모듈이 상기 훈련 데이터 세트를 분석하여 원인 데이터와 결과 데이터 사이의 예측 모델을 생성하는 단계;가상 공장 모듈이 상기 생성된 예측 모델을 기초로 제어 파라미터를 생성하고, 생성된 제어 파라미터를 상기 에이전트에 전송하는 단계; 및에이전트는 수신된 제어 파라미터를 기초로 해당 물리적 제조 객체의 동작을 제어하는 단계를 포함하는 빅 데이터 분석을 이용한 제조 공정 관리 방법.
|
인공지능 |
|
6 |
2020 |
10-2020-0162428 |
|
부산대학교 산학협력단 |
후성유전체 데이터 분석을 위한 인간 시각 검사를 모방하는 CNN 기반 머신러닝 시스템 및 그 동작 방법
[요약]
후성유전체 데이터 분석을 위한 인간 시각 검사를 모방하는 CNN 기반 머신러닝 시스템 및 그 동작 방법이 제시된다. 일 실시예에 따른 컴퓨터 장치를 통해 수행되는 후성유전체 데이터 분석을 위한 인간 시각 검사를 모방하는 CNN 기반 머신러닝 시스템의 동작 방법은, CNN(Convolutional Neural Network) 모델이 암 유전체 데이터 분석 결과 데이터를 학습하는 단계; 및 학습된 상기 CNN 모델이 학습되지 않은 새로운 암 유전체 데이터에 대해 암 발생 기전이 될 수 있는 기능적 영역을 탐색하도록 피크를 호출하는 단계를 포함하여 이루어질 수 있다.
[대표청구항]
컴퓨터 장치를 통해 수행되는 후성유전체 데이터 분석을 위한 인간 시각 검사를 모방하는 CNN 기반 머신러닝 시스템의 동작 방법에 있어서, CNN(Convolutional Neural Network) 모델이 암 유전체 데이터 분석 결과 데이터를 학습하는 단계; 및 학습된 상기 CNN 모델이 학습되지 않은 새로운 암 유전체 데이터에 대해 암 발생 기전이 될 수 있는 기능적 영역을 탐색하도록 피크를 호출하는 단계를 포함하는, CNN 기반 머신러닝 시스템의 동작 방법.
|
인공지능 |
|
5 |
2021 |
10-2021-0178398 |
|
한국해양대학교 산학협력단 |
건설현장의 인원 관리를 위한 블루투스를 이용한 위치 모니터링의 컴퓨팅 시스템 및 그의 방법
[요약]
다양한 실시예들은 건설현장의 인원 관리를 위한 블루투스를 이용한 위치 모니터링의 컴퓨팅 시스템 및 그의 방법에 관한 것으로, 건설현장의 사용자들에 의해 소유되는 비콘들로부터 수신되는 블루투스 신호들을 기반으로, 서버가 건설현장 내에서의 비콘들의 위치들을 각각 추정하도록 구성될 수 있다. 다양한 실시예들에 따르면, 건설현장 내 사용자들의 위치들을 이용하여, 건설현장의 인원이 관리될 수 있다.
[대표청구항]
컴퓨팅 시스템에 있어서, 건설현장의 사용자들에 의해 소유되며, 블루투스 신호들을 각각 송신하도록 구성되는 비콘들; 및상기 블루투스 신호들을 기반으로, 상기 건설현장 내에서의 상기 비콘들의 위치들을 각각 추정하도록 구성되는 서버를 포함하는,컴퓨팅 시스템.
|
인공지능 |
|
4 |
2020 |
10-2020-0036547 |
|
한국해양대학교 산학협력단 |
자율운항 선박의 경제 운항 솔루션 개발을 위한 방법 및 장치
[요약]
자율운항 선박의 경제 운항 솔루션 개발을 위한 방법 및 장치가 제시된다. 일 실시예에 따른 자율운항 선박의 경제 운항 솔루션 개발을 위한 방법은, 수집한 원시 데이터에 통계적 기법을 적용하여 이상 값 및 잡음을 제거하여 데이터의 전처리를 수행하는 단계; 전처리된 상기 데이터에서 선박의 연료소비에 영향을 미치는 요소를 i)선박 운항자의 경험자 도메인(Expert domain)을 통한 변수 선정 및 ii)차원축소(Dimension reduction)와 인자분석(Factor analysis)을 통한 변수 선정 중, 적어도 어느 하나 이상의 변수 선정을 이용하여, 예측 모델에 입력되는 변수를 선정하는 단계; 및 선정된 상기 변수를 사용하여 인공신경망 또는 회귀 분석 기반의 연료소비에 대한 예측 모델을 구축하는 단계를 포함하여 이루어질 수 있다.
[대표청구항]
자율운항 선박의 경제 운항 솔루션 개발을 위한 방법에 있어서, 수집한 원시 데이터에 통계적 기법을 적용하여 이상 값 및 잡음을 제거하여 데이터의 전처리를 수행하는 단계; 전처리된 상기 데이터에서 선박의 연료소비에 영향을 미치는 요소를 i)선박 운항자의 경험자 도메인(Expert domain)을 통한 변수 선정 및 ii)차원축소(Dimension reduction)와 인자분석(Factor analysis)을 통한 변수 선정 중, 적어도 어느 하나 이상의 변수 선정을 이용하여, 예측 모델에 입력되는 변수를 선정하는 단계; 및 선정된 상기 변수를 사용하여 인공신경망 또는 회귀 분석 기반의 연료소비에 대한 예측 모델을 구축하는 단계를 포함하는, 방법.
|
인공지능 |
|
3 |
2018 |
10-2018-0111634 |
|
한국해양대학교 산학협력단 |
인공지능을 이용한 선박 운동성능 예측방법 및 시스템
[요약]
인공지능을 이용한 선박 운동 성능 예측 방법 및 시스템이 제시된다. 일 실시예에 따른 인공지능을 이용한 선박 운동 성능 예측 방법은, 선박의 실시간 모니터링 시스템으로부터 선박의 운항 상태 및 기상 상태에 대한 선박의 모니터링 정보를 전달 받는 단계; 상기 선박의 모니터링 정보를 이용하여 인공지능 학습으로부터 운동 성능 데이터베이스를 취득하는 단계; 및 상기 선박의 모니터링 정보를 상기 운동 성능 데이터베이스와 연동하여 실시간으로 선박의 내항 성능을 평가하는 단계를 포함하여 이루어질 수 있다.
[대표청구항]
선박의 실시간 모니터링 시스템으로부터 선박의 운항 상태 및 기상 상태에 대한 선박의 모니터링 정보를 전달 받는 단계; 상기 선박의 모니터링 정보를 이용하여 인공지능 학습으로부터 운동 성능 데이터베이스를 취득하는 단계; 및 상기 선박의 모니터링 정보를 상기 운동 성능 데이터베이스와 연동하여 실시간으로 선박의 내항 성능을 평가하는 단계를 포함하고, 상기 선박의 모니터링 정보를 이용하여 인공지능 학습으로부터 운동 성능 데이터베이스를 취득하는 단계는, 기계학습 기반의 근사모델(Surrogate model)로 이루어진 상기 운동 성능 데이터베이스를 구축하며, 학습을 통한 상기 근사모델을 구현하기 위해 대상 선박의 적재 상태의 무게중심, 흘수, 트림, 운항 상태인 선속 및 선수각을 입력변수로 선택하여, 상기 근사모델에 입력하는 단계; 및 상기 근사모델을 통해 횡동요 운동응답함수(Response Amplitude Operator; RAO)의 출력변수를 주파수별로 출력하는 단계를 포함하고, 상기 대상 선박의 적재 상태의 무게중심, 흘수, 트림, 운항 상태인 선속 및 선수각을 입력변수로 선택하여, 상기 근사모델에 입력하는 단계는, 횡동요 운동 데이터의 특성상 선속보다 선수각의 학습 데이터가 많으며, 상기 기계학습 기반의 근사모델로 이루어진 상기 운동 성능 데이터베이스를 구축함에 따라, 실시간으로 변화하는 외란에 대응하여 선박의 운동특성 및 내항 성능을 예측하는 것을 특징으로 하는, 인공지능을 이용한 선박 운동 성능 예측 방법.
|
인공지능 |
|
2 |
2019 |
10-2019-0063078 |
|
전북대학교 산학협력단 |
기계학습을 이용한 의료 영상 처리 방법 및 장치
[요약]
기계학습을 이용한 의료 영상 처리 장치 및 방법이 개시된다. 본 발명의 일실시예에 따른 기계학습을 이용한 의료 영상 처리 방법은, 오브젝트를 촬상한 엑스레이 영상을 획득하는 단계, 상기 엑스레이 영상을 구성하는 골구조 영역 별로, 딥 러닝 기법을 적용하여, 복수의 해부 영역을 구분하는 단계, 상기 복수의 해부 영역 각각에 대해, 골질에 따른 골질환을 예측하는 단계, 및 상기 골질환이 예측된 해부 영역을, 대체하는 인공관절을 결정하는 단계를 포함할 수 있다.
[대표청구항]
의료 영상 처리 장치의 기계학습을 이용한 의료 영상 처리 방법에 있어서, 상기 의료 영상 처리 장치가 오브젝트를 촬상한 엑스레이 영상을 획득하는 단계;상기 의료 영상 처리 장치가 상기 엑스레이 영상을 구성하는 골구조 영역 별로 딥 러닝 기법을 적용하여, 서로 상이한 골질을 가지는 복수의 해부 영역을 1차 구분하는 단계;상기 의료 영상 처리 장치가 상기 복수의 해부 영역 각각에 대한 골질 분석을 통해 골질환이 예측되는 해부 영역을 2차 구분하는 단계; 및상기 의료 영상 처리 장치가 상기 골질환이 예측된 해부 영역을, 대체하는 인공관절을 결정하는 단계를 포함하며, 상기 인공관절을 결정하는 단계는,상기 골질환이 예측된 해부 영역에서, 상기 골질환이 점유하는 형태와 비율을 확인하는 단계;상기 확인된 형태와 정해진 이내에서 일치하는 윤곽을 갖는 후보 인공관절을, 데이터베이스에서 검색하는 단계; 및검색된 후보 인공관절 중에서, 상기 확인된 비율에, 규정된 가중치를 적용하여 산출되는 크기와 일정 범위 이내인 후보 인공관절을 상기 인공관절로서 선별함으로써, 상기 인공관절의 형상 및 크기를 결정하는 단계를 포함하는 것을 특징으로 하는 기계학습을 이용한 의료 영상 처리 방법.
|
인공지능 |
|
1 |
2018 |
10-2018-0071786 |
|
전북대학교 산학협력단 |
무인비행체 군집비행에서의 비행안전 및 장애복구 시스템 및 그 방법
[요약]
본 발명은 하나의 마스터 무인비행체 및 서브마스터를 포함한 복수의 서브 무인비행체가 군집비행을 통하여 농작물 재배분포 확인 등을 위한 원거리 및 근거리 영상을 촬영할 때, 각각의 무인비행체에 대한 장애발생이나 경로이탈을 확인하여 원위치로 복귀하도록 하며, 무인비행체들 상호간의 충돌을 방지하도록 하는 무인비행체 군집비행에서의 비행안전 및 장애복구 시스템 및 그 방법에 관한 것이다.
[대표청구항]
RTK(Real Time Kinematic)-GPS 위치정보를 활용하여 특정 촬영목표 영역을 군집비행하면서 영상획득을 위한 촬영을 수행하는 과정에서, 다른 무인비행체의 장애발생 또는 경로이탈을 확인하는 진단부; 및특정 무인비행체에 장애발생 또는 경로이탈이 확인되면, 상기 장애발생 또는 경로이탈이 확인된 특정 무인비행체를 제외한 정상적으로 동작중인 나머지 무인비행체로 복귀명령을 전달하고, 기 설정된 복귀프로세스에 따라 자신의 원위치 복귀를 수행하는 복귀제어부;를 포함하고, 상기 진단부는 다른 무인비행체와의 무선통신에 따른 제어명령 또는 보고신호 전송 후 기 설정 시간 이내에 응답신호가 수신되지 않으며, 상기 응답신호의 수신이 기 설정 횟수 이상 수행되지 않으면 다른 무인비행체의 장애발생 또는 경로이탈로 확인하는 것을 특징으로 하는 무인비행체 군집비행에서의 비행안전 및 장애복구 시스템.
|
인공지능 |
|
