맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

모르는 복잡한 환경에서 강인한 객체 감지를 위한 점진적 딥러닝

  • 기술번호 : KST2020014221
  • 담당센터 : 인천기술혁신센터
  • 전화번호 : 032-420-3580
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 모르는 복잡한 환경에서 강인한 객체 감지를 위한 점진적 딥러닝 방법 및 장치가 제시된다. 본 발명에서 제안하는 모르는 복잡한 환경에서 강인한 객체 감지를 위한 점진적 딥러닝 방법은 미리 트레이닝된 CNN 네트워크와 복수의 데이터 세트들로 초기설정되고, IASSL을 통한 트레이닝을 시작하는 단계, 객체 감지의 정확도를 점진적으로 향상시키기 위해 복수의 데이터세트들 중 잠정적인 데이터세트를 이용하여 샘플의 배치를 구성하는 단계, 복수의 데이터세트들을 이용하여 CNN 기반 AL 및 스트리밍 샘플을 빈기반으로 나눈 점진적 SSL 사이의 샘플 선택을 수행하는 단계 및 컨버젼스 기준에 도달할 때까지 샘플의 배치를 추가시키고 다음 CNN 딥모델링을 반복적으로 트레이닝하는 단계를 포함한다.
Int. CL G06N 3/08 (2006.01.01)
CPC G06N 3/08(2013.01)
출원번호/일자 1020190037760 (2019.04.01)
출원인 인하대학교 산학협력단
등록번호/일자 10-2174048-0000 (2020.10.29)
공개번호/일자 10-2020-0119422 (2020.10.20) 문서열기
공고번호/일자 (20201104) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2019.04.01)
심사청구항수 6

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 인하대학교 산학협력단 대한민국 인천광역시 미추홀구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이필규 인천광역시 미추홀구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 양성보 대한민국 서울특별시 강남구 선릉로***길 ** (논현동) 삼성빌딩 *층(피앤티특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 인하대학교 산학협력단 인천광역시 미추홀구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2019.04.01 수리 (Accepted) 1-1-2019-0331330-96
2 선행기술조사의뢰서
Request for Prior Art Search		 2020.05.11 수리 (Accepted) 9-1-9999-9999999-89
3 심사처리보류(연기)보고서
Report of Deferment (Postponement) of Processing of Examination		 2020.05.28 발송처리완료 (Completion of Transmission) 9-6-2020-0065478-54
4 선행기술조사보고서
Report of Prior Art Search		 2020.07.07 발송처리완료 (Completion of Transmission) 9-6-2020-0088626-09
5 의견제출통지서
Notification of reason for refusal		 2020.07.21 발송처리완료 (Completion of Transmission) 9-5-2020-0493450-81
6 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2020.07.30 수리 (Accepted) 1-1-2020-0799441-11
7 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2020.07.30 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-0799442-67
8 등록결정서
Decision to grant		 2020.10.20 발송처리완료 (Completion of Transmission) 9-5-2020-0721057-88
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
객체 감지기가 미리 트레이닝된 CNN 네트워크와 복수의 데이터 세트들로 초기설정되고, IASSL(Incremental Active Semi-Supervised Learning)을 통한 트레이닝을 시작하는 단계;객체 감지의 정확도를 점진적으로 향상시키기 위해 객체 감지기를 통해 복수의 데이터세트들 중 잠정적인 데이터세트를 이용하여 샘플의 배치를 구성하는 단계;객체 감지기가 복수의 데이터세트들을 이용하여 CNN 기반 AL(Active Learning) 및 스트리밍 샘플을 빈기반으로 나눈 점진적 SSL(Semi-Supervised Learning) 사이의 샘플 선택을 수행하는 단계; 및객체 감지기를 통해 컨버젼스 기준에 도달할 때까지 샘플의 배치를 추가시키고 다음 CNN 딥모델을 반복적으로 트레이닝하는 단계를 포함하고, 객체 감지기가 복수의 데이터세트들을 이용하여 CNN 기반 AL 및 스트리밍 샘플을 빈기반으로 나눈 점진적 SSL 사이의 샘플 선택을 수행하는 단계는, 복수의 풀링 레이어와 복수의 컨볼루션 레이어를 포함하는 추가적인 계층 구조를 이용하여 형상 표현과 샘플의 배치를 압축하여 트레이닝을 수행하는객체 감지를 위한 점진적 딥러닝 방법
2 2
삭제
3 3
제1항에 있어서,IASSL 기반 계층 객체 감지는 슈퍼 클래스, 객체 클래스, 서브 클래스를 포함하는 레벨로 구분되는객체 감지를 위한 점진적 딥러닝 방법
4 4
제3항에 있어서,슈퍼 클래스는 컨볼루션 레이어와 풀링 레이어를 사용하고, CNN 감지기에 의해 결정되며, 슈퍼 클래스 프로토타입 모델에 의해 제한되는 객체 감지를 위한 점진적 딥러닝 방법
5 5
제3항에 있어서,객체 클래스는 각각의 슈퍼 클래스 노드를 통해 예측되고, 객체 클래스의 노드를 결정하기 위해 CNN 감지기를 이용하는 객체 감지를 위한 점진적 딥러닝 방법
6 6
제1항에 있어서, 형상 표현은 블록 좌표 하강 방식에 기초한 형상 벡터 최적화를 이용하고, 객체 감지의 정확도를 점진적으로 향상시키기 위해 레이블링된 데이터세트 및 레이블링되지 않은 데이터세트 모두 이용하는 객체 감지를 위한 점진적 딥러닝 방법
7 7
제1항에 있어서,객체 감지기가 복수의 데이터세트들을 이용하여 CNN 기반 AL 및 스트리밍 샘플을 빈기반으로 나눈 점진적 SSL 사이의 샘플 선택을 수행하는 단계는,AL의 불확실성 기준을 고려하여 불확실성이 가장 높은 샘플을 추가 트레이닝 샘플로 선택하고, 점진적 SSL과 결합한 빈기반 AL 학습 프레임워크를 적용하는객체 감지를 위한 점진적 딥러닝 방법
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.