맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

인공지능 네트워크를 이용한 바람 벡터 예측 방법 및 분석장치

  • 기술번호 : KST2022001156
  • 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 인공지능 네트워크를 이용한 바람 벡터 예측 방법은 분석장치가 기상 영상을 입력받는 단계, 상기 분석장치가 상기 기상 영상에 포함된 복수의 수증기 흡수 채널들 중 적어도 하나의 수증기 흡수 채널에 대한 제1 시점의 제1 기준 영상 및 상기 제1 시점과 다른 시점의 레퍼런스 영상을 제1 학습 네트워크에 입력하는 단계 및 상기 분석장치가 상기 제1 학습 네트워크에서 출력하는 정보를 기준으로 상기 적어도 하나의 수증기 흡수 채널에 대하여 상기 제1 시점 이후의 제2 시점의 바람 벡터를 예측하는 단계를 포함한다.
Int. CL G01W 1/10 (2006.01.01) G06N 3/08 (2006.01.01)
CPC G01W 1/10(2013.01) G06N 3/0454(2013.01) G06N 3/08(2013.01) G01W 2201/00(2013.01)
출원번호/일자 1020200082595 (2020.07.06)
출원인 이화여자대학교 산학협력단
등록번호/일자
공개번호/일자 10-2022-0005142 (2022.01.13) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.07.06)
심사청구항수 12

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 이화여자대학교 산학협력단 대한민국 서울특별시 서대문구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 최용상 서울특별시 서대문구
2 강제원 서울특별시 마포구
3 김혜실 서울특별시 강남구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인(유한)아이시스 대한민국 서울특별시 강남구 테헤란로**길 **, 인화빌딩 *층 (삼성동)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
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		 2020.07.06 수리 (Accepted) 1-1-2020-0696738-38
2 선행기술조사의뢰서
Request for Prior Art Search		 2021.07.16 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search		 2021.11.02 발송처리완료 (Completion of Transmission) 9-6-2022-0014196-79
4 의견제출통지서
Notification of reason for refusal		 2022.01.24 발송처리완료 (Completion of Transmission) 9-5-2022-0068931-52
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
분석장치가 기상 영상을 입력받는 단계;상기 분석장치가 상기 기상 영상에 포함된 복수의 수증기 흡수 채널들 중 적어도 하나의 수증기 흡수 채널에 대한 제1 시점의 제1 기준 영상 및 상기 제1 시점과 다른 시점의 레퍼런스 영상을 제1 학습 네트워크에 입력하는 단계; 및상기 분석장치가 상기 제1 학습 네트워크에서 출력하는 정보를 기준으로 상기 적어도 하나의 수증기 흡수 채널에 대하여 상기 제1 시점 이후의 제2 시점의 바람 벡터를 예측하는 단계를 포함하고,상기 제1 학습 네트워크는 상기 제1 기준 영상과 상기 레퍼런스 영상을 이용하여 상기 제2 시점의 영상 정보를 출력하는 학습 네트워크인 인공지능 네트워크를 이용한 바람 벡터 예측 방법
2 2
제1항에 있어서,상기 레퍼런스 영상은 상기 제1 기준 영상의 과거 시점 영상이고, 상기 제1 학습 네트워크는 상기 제1 기준 영상과 상기 레퍼런스 영상의 차이를 기준으로 상기 바람 벡터를 예측하거나,상기 레퍼런스 영상은 상기 제1 기준 영상의 미래 시점 영상이고, 상기 제1 학습 네트워크는 상기 제1 기준 영상과 상기 레퍼런스 영상의 차이를 기준으로 상기 제1 기준 영상과 상기 레퍼런스 영상 사이 시점인 상기 바람 벡터를 예측하는 인공지능 네트워크를 이용한 바람 벡터 예측 방법
3 3
제1항에 있어서,상기 분석장치는 상기 적어도 하나의 수증기 흡수 채널에서 상기 제2 시점 이후의 제3 시점의 제2 기준 영상 및 레퍼런스 영상을 제2 학습 네트워크에 입력하여 상기 제2 시점의 바람 벡터를 예측하는 단계; 및상기 분석 장치가 상기 제1 기준 영상을 기준으로 예측된 바람 벡터와 상기 제2 기준 영상을 기준으로 예측된 바람 벡터를 평균하여 최종적인 바람 벡터를 예측하는 단계를 더 포함하는 인공지능 네트워크를 이용한 바람 벡터 예측 방법
4 4
제1항에 있어서,상기 제1 학습네트워크는 GAN(Generative Adversarial Network), ACN(Adaptive convolution network) 또는 컨볼루셔널 인코더-디코더(convolutional encoder-decoder) 중 어느 하나인 인공지능 네트워크를 이용한 바람 벡터 예측 방법
5 5
제1항에 있어서,상기 제1 학습네트워크는 상기 제1 기준 영상을 입력받아 제1 특징 맵을 생성하는 제1 인코더;상기 제1 기준 영상과 상기 레퍼런스 영상의 차분 영상을 입력받아 제2 특징 맵을 생성하는 제2 인코더;상기 제2 특징 맵을 입력받아 상기 제2 시점의 제3 특징 맵을 생성하는 컨볼루션 LSTM(Long Short term memory); 및상기 제1 특징 맵 및 상기 제3 특징 맵을 합산한 값을 입력받아 상기 바람 벡터에 대한 정보를 생성하는 디코더를 포함하는 인공지능 네트워크를 이용한 바람 벡터 예측 방법
6 6
제1항에 있어서,상기 제1 학습 네트워크가 출력하는 정보는 상기 바람 벡터에 대한 영상 또는 상기 바람 벡터에 대한 플로우 벡터인 인공지능 네트워크를 이용한 바람 벡터 예측 방법
7 7
제1항에 있어서,상기 제1 학습 네트워크는 지면의 복사량을 나타내는 채널에 대한 상기 제1 시점의 영상을 더 이용하여 구름 영역에 대한 어텐션(attention)을 입렵받는 인공지능 네트워크를 이용한 바람 벡터 예측 방법
8 8
분석장치가 지면의 복사량을 나타내는 채널의 영상 및 수증기 흡수 채널의 영상을 입력받는 단계;상기 분석장치가 지면의 복사량을 나타내는 채널에 대한 영상을 세크먼테이션 네트워크에 입력하여 상기 영상에서 구름 영역과 구름이 없는 영역을 구분하는 단계;상기 분석장치가 상기 수증기 흡수 채널의 영상을 이용하여 상기 구름이 없는 영역에 대한 바람 벡터를 생성하는 단계;상기 분석장치가 상기 수증기 흡수 채널에 대한 제1 시점의 제1 기준 영상 및 상기 제1 시점과 다른 시점의 레퍼런스 영상을 제1 학습 네트워크에 입력하는 단계; 및상기 분석장치가 상기 제1 학습 네트워크에서 출력하는 정보를 기준으로 상기 수증기 흡수 채널에 대하여 상기 제1 시점 이후의 제2 시점의 바람 벡터를 예측하는 단계를 포함하고,상기 제1 학습 네트워크는 상기 제1 기준 영상과 상기 레퍼런스 영상을 이용하여 상기 제2 시점의 영상 정보를 출력하는 학습 네트워크인 인공지능 네트워크를 이용한 바람 벡터 예측 방법
9 9
제8항에 있어서,상기 제1 학습 네트워크는 보간 예측(interpolation prediction) 또는 보외 예측(extrapolation prediction)을 수행하는 인공지능 네트워크를 이용한 바람 벡터 예측 방법
10 10
제8항에 있어서,상기 분석장치는 상기 적어도 하나의 수증기 흡수 채널에서 상기 제2 시점 이후의 제3 시점의 제2 기준 영상 및 레퍼런스 영상을 제2 학습 네트워크에 입력하여 상기 제2 시점의 바람 벡터를 예측하는 단계; 및상기 분석 장치가 상기 제1 기준 영상을 기준으로 예측된 바람 벡터와 상기 제2 기준 영상을 기준으로 예측된 바람 벡터를 평균하여 최종적인 바람 벡터를 예측하는 단계를 더 포함하는 인공지능 네트워크를 이용한 바람 벡터 예측 방법
11 11
제8항에 있어서,상기 제1 학습 네트워크는 지면의 복사량을 나타내는 채널에 대한 상기 제1 시점의 영상을 더 이용하여 구름 영역에 대한 어텐션(attention)을 입렵받는 인공지능 네트워크를 이용한 바람 벡터 예측 방법
12 12
적어도 하나의 수증기 흡수 채널에 대한 제1 시점의 제1 기준 영상 및 상기 제1 시점과 다른 시점의 레퍼런스 영상을 입력받는 입력장치;상기 제1 기준 영상과 상기 레퍼런스 영상을 이용하여 상기 제2 시점의 영상 정보를 출력하는 학습 네트워크를 저장하는 저장장치; 및상기 제1 기준 영상 및 상기 레퍼런스 영상을 상기 학습 네트워크에 입력하여 출력되는 정보를 기준으로 상기 적어도 하나의 수증기 흡수 채널에 대하여 상기 제1 시점 이후의 제2 시점의 바람 벡터를 예측하는 연산 장치를 포함하되,상기 학습 네트워크는 보간 예측(interpolation prediction) 또는 보외 예측(extrapolation prediction)을 수행하는 인공지능 네트워크를 이용하여 바람 벡터를 예측하는 분석 장치
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 교육부 이화여자대학교 이공학학술연구기반구축(R＆D) 기후/환경변화예측연구센터
2 과학기술정보통신부 이화여자대학교 산학협력단 차세대(UHD)방송서비스활성화기술개발(R＆D) 6DoF지원 초고화질 몰입형 비디오의 압축 및 전송 핵심 기술 개발