| 1 |
1
감성 분류 장치를 이용한 감성 분류 방법에 있어서,복수의 감성 각각에 대해, 상기 감성에 대응하는 시각 자극 이미지가 설정 시간 동안 피험자에게 노출될 때 동공 크기 변화 데이터를 획득하는 단계;상기 설정 시간 동안 획득된 상기 동공 크기 변화 데이터를 기 설정된 제1 시간 간격을 기초로 복수의 구간으로 구분하는 단계; 상기 구간의 데이터를 시간 및 주파수에 따른 동공 크기 변화를 나타낸 스펙트로그램(spectrogram) 형태로 변환하여 상기 복수의 구간에 대응하는 복수의 스펙트로그램을 생성하는 단계; 및상기 복수의 감성별로 상기 감성에 대응하는 상기 복수의 스펙트로그램을 시계열 데이터 분석이 가능한 순환형 신경망(RNN;Recurrent Neural Network)에 입력시켜 상기 감성을 학습시킴에 따라 사용자의 동공 변화에 기초한 감성 분류 모델을 구축하는 단계를 포함하는 딥러닝 기반의 감성 분류 방법
|
| 2 |
2
청구항 1에 있어서,상기 복수의 구간은,인접한 구간끼리 상기 제1 시간보다 짧은 제2 시간만큼 오버랩핑(overlapping) 되어 있는 딥러닝 기반의 감성 분류 방법
|
| 3 |
3
청구항 2에 있어서,상기 제2 시간은 상기 제1 시간의 절반에 대응하는 시간인 딥러닝 기반의 감성 분류 방법
|
| 4 |
4
청구항 1에 있어서,상기 설정 시간 동안 측정되는 사용자의 동공 크기 변화 데이터로부터 상기 복수의 스펙트로그램을 생성한 다음, 생성한 복수의 스펙트로그램을 상기 감성 분류 모델에 입력시켜 상기 사용자의 현재 감성 상태를 분류하는 단계를 더 포함하는 딥러닝 기반의 감성 분류 방법
|
| 5 |
5
청구항 1에 있어서,상기 감성 분류 모델을 구축하는 단계는,상기 순환형 신경망에 입력된 복수의 스펙트로그램으로부터 각각 추출되는 특징 벡터의 결과를 이용하여 상기 감성을 학습시키되, 장단기 기억 메모리(LSTM;Long Short-Term Memory) 구조를 가지는 순환형 신경망(LSTM-RNN)에 드랍아웃(drop-out) 기법을 사용하여 상기 감성을 학습시키며,상기 특징 벡터는,동공 크기, 눈 깜빡임 시점 및 눈 감은 시간의 정보를 포함하는 딥러닝 기반의 감성 분류 방법
|
| 6 |
6
복수의 감성 각각에 대해, 상기 감성에 대응하는 시각 자극 이미지가 설정 시간 동안 피험자에게 노출될 때 동공 크기 변화 데이터를 획득하는 데이터 획득부;상기 설정 시간 동안 획득된 상기 동공 크기 변화 데이터를 기 설정된 제1 시간 간격을 기초로 복수의 구간으로 구분하고, 상기 구간의 데이터를 시간 및 주파수에 따른 동공 크기 변화를 나타낸 스펙트로그램(spectrogram) 형태로 변환하여 상기 복수의 구간에 대응하는 복수의 스펙트로그램을 생성하는 스펙트로그램 생성부; 및상기 복수의 감성별로 상기 감성에 대응하는 상기 복수의 스펙트로그램을 시계열 데이터 분석이 가능한 순환형 신경망(RNN;Recurrent Neural Network)에 입력시켜 상기 감성을 학습시킴에 따라 사용자의 동공 변화에 기초한 감성 분류 모델을 구축하는 모델 학습부를 포함하는 딥러닝 기반의 감성 분류 장치
|
| 7 |
7
청구항 6에 있어서,상기 복수의 구간은,인접한 구간끼리 상기 제1 시간보다 짧은 제2 시간만큼 오버랩핑(overlapping) 되어 있는 딥러닝 기반의 감성 분류 장치
|
| 8 |
8
청구항 7에 있어서,상기 제2 시간은 상기 제1 시간의 절반에 대응하는 시간인 딥러닝 기반의 감성 분류 장치
|
| 9 |
9
청구항 6에 있어서,상기 설정 시간 동안 측정되는 사용자의 동공 크기 변화 데이터로부터 상기 복수의 스펙트로그램이 생성되면, 생성된 복수의 스펙트로그램을 상기 감성 분류 모델에 입력시켜 상기 사용자의 현재 감성 상태를 분류하도록 하는 제어부를 더 포함하는 딥러닝 기반의 감성 분류 장치
|
| 10 |
10
청구항 6에 있어서,상기 모델 학습부는,상기 순환형 신경망에 입력된 복수의 스펙트로그램으로부터 각각 추출되는 특징 벡터의 결과를 이용하여 상기 감성을 학습시키되, 장단기 기억 메모리(LSTM;Long Short-Term Memory) 구조를 가지는 순환형 신경망(LSTM-RNN)에 드랍아웃(drop-out) 기법을 사용하여 상기 감성을 학습시키며,상기 특징 벡터는,동공 크기, 눈 깜빡임 시점 및 눈 감은 시간의 정보를 포함하는 딥러닝 기반의 감성 분류 장치
|
