1 |
1
감정 변화 원인 파악 시스템에 의해 수행되는 감정 변화 원인 파악 방법에 있어서,상기 감정 변화 원인 파악 시스템에 포함되는 획득부에서, 사용자의 생리적 신호와 상기 사용자의 정면 이미지의 분석을 통해 상기 사용자의 상황 정보를 획득하는 단계; 상기 감정 변화 원인 파악 시스템에 포함되는 감지부에서, 다수의 라벨이 없는 생리적 신호와 실제 측정 라벨을 사용하는 부분세트를 포함하는 데이터 세트를 이용하여 제1 네트워크를 학습하고, 상기 획득된 생리적 신호를 입력으로 하는 상기 제1 네트워크를 이용하여 상기 사용자의 감정 변화를 감지하는 단계; 및 상기 감정 변화 원인 파악 시스템에 포함되는 도출부에서, 상기 감지된 감정 변화와 상기 획득된 상황 정보를 입력으로 하는 미리 학습된 제2 네트워크를 이용하여 상기 사용자의 감정 변화에 대한 원인이 되는 정서적 인과관계를 도출하는 단계 를 포함하고, 상기 제1 네트워크는상기 부분세트의 정서적 라벨에 따라 상기 라벨이 없는 생리적 신호의 표현을 학습하여 상기 데이터 세트에서 노이즈가 있는 의사 라벨을 생성하고, 상기 생성된 의사 라벨과 상기 부분세트의 정서적 라벨에 기초하여 라벨 노이즈를 줄이도록 학습됨으로써, 노이즈가 제거된 감정 상태의 라벨을 추정하여 상기 사용자의 감정 변화를 감지하는 것을 특징으로 하며, 상기 제2 네트워크는상기 사용자로부터 상황 정보와 감정 시퀀스가 주어지는 경우 상기 상황 정보와 상기 감정 시퀀스 사이의 인과 구조를 모델링하는 정서적 인과관계 모델로 구성되는 방향 그래프와 상기 감정 시퀀스의 정서적 인과관계 효과를 나타내는 에지의 연관 파라미터를 포함하고, 상기 방향 그래프와 상기 에지의 연관 파라미터를 이용하여 상기 감지된 감정 변화와 상기 획득된 상황 정보에 대응하는 정서적 인과관계를 도출하는 것을 특징으로 하는 감정 변화 원인 파악 방법
|
2 |
2
삭제
|
3 |
3
제1항에 있어서,상기 제1 네트워크는 상기 노이즈가 있는 의사 라벨을 생성하는 제1-1 네트워크와 상기 라벨 노이즈를 줄이도록 학습되어 상기 노이즈가 제거된 감정 상태의 라벨을 추정하는 제1-2 네트워크를 포함하고,상기 제1-1 네트워크는상기 획득된 생리적 신호를 입력으로 하는 시간 축에 따라 학습이 진행될 때 시간 마진을 고려하는 시간 마진 기반 분류 손실 함수를 이용하여 학습되는 것을 특징으로 하는 감정 변화 원인 파악 방법
|
4 |
4
제3항에 있어서,상기 제1-1 네트워크는이미지 시퀀스에 대해 상기 획득된 생리적 신호에 대한 생리적 특징을 추출하고, 상기 추출된 생리적 특징을 이용하여 스펙트럼-시간 텐서를 구성하며, 상기 구성된 스펙트럼-시간 텐서를 입력으로 하여 상기 시간 마진 기반 분류 손실 함수가 최소화 값으로 수렴되도록 학습하는 것을 특징으로 하는 감정 변화 원인 파악 방법
|
5 |
5
삭제
|
6 |
6
제1항에 있어서,상기 생리적 신호는이미지 시퀀스에 대한 상기 사용자의 뇌파 신호와 심장 박동 신호 중 적어도 하나의 생리적 신호를 포함하는 것을 특징으로 하는 감정 변화 원인 파악 방법
|
7 |
7
사용자의 생리적 신호와 상기 사용자의 정면 이미지의 분석을 통해 상기 사용자의 상황 정보를 획득하는 획득부; 다수의 라벨이 없는 생리적 신호와 실제 측정 라벨을 사용하는 부분세트를 포함하는 데이터 세트를 이용하여 제1 네트워크를 학습하고, 상기 획득된 생리적 신호를 입력으로 하는 상기 제1 네트워크를 이용하여 상기 사용자의 감정 변화를 감지하는 감지부; 및 상기 감지된 감정 변화와 상기 획득된 상황 정보를 입력으로 하는 미리 학습된 제2 네트워크를 이용하여 상기 사용자의 감정 변화에 대한 원인이 되는 정서적 인과관계를 도출하는 도출부를 포함하고, 상기 제1 네트워크는상기 부분세트의 정서적 라벨에 따라 상기 라벨이 없는 생리적 신호의 표현을 학습하여 상기 데이터 세트에서 노이즈가 있는 의사 라벨을 생성하고, 상기 생성된 의사 라벨과 상기 부분세트의 정서적 라벨에 기초하여 라벨 노이즈를 줄이도록 학습됨으로써, 노이즈가 제거된 감정 상태의 라벨을 추정하여 상기 사용자의 감정 변화를 감지하는 것을 특징으로 하며, 상기 제2 네트워크는상기 사용자로부터 상황 정보와 감정 시퀀스가 주어지는 경우 상기 상황 정보와 상기 감정 시퀀스 사이의 인과 구조를 모델링하는 정서적 인과관계 모델로 구성되는 방향 그래프와 상기 감정 시퀀스의 정서적 인과관계 효과를 나타내는 에지의 연관 파라미터를 포함하고, 상기 방향 그래프와 상기 에지의 연관 파라미터를 이용하여 상기 감지된 감정 변화와 상기 획득된 상황 정보에 대응하는 정서적 인과관계를 도출하는 것을 특징으로 하는 감정 변화 원인 파악 시스템
|
8 |
8
삭제
|
9 |
9
제7항에 있어서,상기 제1 네트워크는 상기 노이즈가 있는 의사 라벨을 생성하는 제1-1 네트워크와 상기 라벨 노이즈를 줄이도록 학습되어 상기 노이즈가 제거된 감정 상태의 라벨을 추정하는 제1-2 네트워크를 포함하고,상기 제1-1 네트워크는상기 획득된 생리적 신호를 입력으로 하는 시간 축에 따라 학습이 진행될 때 시간 마진을 고려하는 시간 마진 기반 분류 손실 함수를 이용하여 학습되는 것을 특징으로 하는 감정 변화 원인 파악 시스템
|
10 |
10
제9항에 있어서,상기 제1-1 네트워크는이미지 시퀀스에 대해 상기 획득된 생리적 신호에 대한 생리적 특징을 추출하고, 상기 추출된 생리적 특징을 이용하여 스펙트럼-시간 텐서를 구성하며, 상기 구성된 스펙트럼-시간 텐서를 입력으로 하여 상기 시간 마진 기반 분류 손실 함수가 최소화 값으로 수렴되도록 학습하는 것을 특징으로 하는 감정 변화 원인 파악 시스템
|
11 |
11
삭제
|
12 |
12
제7항에 있어서,상기 생리적 신호는이미지 시퀀스에 대한 상기 사용자의 뇌파 신호와 심장 박동 신호 중 적어도 하나의 생리적 신호를 포함하는 것을 특징으로 하는 감정 변화 원인 파악 시스템
|
13 |
13
삭제
|
14 |
14
사용자의 생리적 신호를 획득하는 센서부;상기 사용자의 정면 이미지를 촬영하는 촬영부;다수의 라벨이 없는 생리적 신호와 실제 측정 라벨을 사용하는 부분세트를 포함하는 데이터 세트를 이용하여 제1 네트워크를 학습하고, 상기 획득된 생리적 신호를 입력으로 하는 상기 제1 네트워크를 이용하여 상기 사용자의 감정 변화를 감지하는 감지부; 및 상기 감지된 감정 변화와 상기 촬영된 정면 이미지의 분석을 통해 획득된 상황 정보를 입력으로 하는 미리 학습된 제2 네트워크를 이용하여 상기 사용자의 감정 변화에 대한 원인이 되는 정서적 인과관계를 도출하는 도출부를 포함하고, 상기 제1 네트워크는상기 부분세트의 정서적 라벨에 따라 상기 라벨이 없는 생리적 신호의 표현을 학습하여 상기 데이터 세트에서 노이즈가 있는 의사 라벨을 생성하고, 상기 생성된 의사 라벨과 상기 부분세트의 정서적 라벨에 기초하여 라벨 노이즈를 줄이도록 학습됨으로써, 노이즈가 제거된 감정 상태의 라벨을 추정하여 상기 사용자의 감정 변화를 감지하는 것을 특징으로 하며, 상기 제2 네트워크는상기 사용자로부터 상황 정보와 감정 시퀀스가 주어지는 경우 상기 상황 정보와 상기 감정 시퀀스 사이의 인과 구조를 모델링하는 정서적 인과관계 모델로 구성되는 방향 그래프와 상기 감정 시퀀스의 정서적 인과관계 효과를 나타내는 에지의 연관 파라미터를 포함하고, 상기 방향 그래프와 상기 에지의 연관 파라미터를 이용하여 상기 감지된 감정 변화와 상기 획득된 상황 정보에 대응하는 정서적 인과관계를 도출하는 것을 특징으로 하는 웨어러블 시스템
|