맞춤기술찾기

이전대상기술

딥러닝 네트워크 모델을 포함하는 멀티미디어 비트스트림 생성방법 및 그 장치

  • 기술번호 : KST2022002575
  • 담당센터 : 경기기술혁신센터
  • 전화번호 : 031-8006-1570
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 본 발명은 딥러닝 네트워크 모델을 포함하는 멀티미디어 비트스트림 생성방법 및 그 디코딩 방법에 관한 것으로, 본 발명은 멀티미디어 비트스트림의 부가정보 영역에 딥러닝 네트워크 모델을 함께 포함시켜 전송할 수 있으므로 딥러닝 모델 데이터의 관리가 용이하며, 프레임, 신, 픽쳐 단위로 딥러닝 네트워크 모델을 적용할 수 있으므로 딥러닝 성능 또한 향상시키며 정확한 딥러닝 네트워크 모델 적용이 가능한 장점이 있다.
Int. CL G06N 3/04 (2006.01.01) G06N 3/08 (2006.01.01) G06N 5/04 (2006.01.01)
CPC G06N 3/04(2013.01) G06N 3/08(2013.01) G06N 5/04(2013.01)
출원번호/일자 1020200108297 (2020.08.27)
출원인 한국전자기술연구원
등록번호/일자
공개번호/일자 10-2022-0027433 (2022.03.08) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.08.27)
심사청구항수 10

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국전자기술연구원 대한민국 경기도 성남시 분당구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 정진우 서울특별시 송파구
2 최병호 서울특별시 강동구
3 김성제 서울특별시 송파구
4 홍민수 경기도 성남시 분당구
5 이승호 경기도 안양시 만안구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인이룸리온 대한민국 서울특별시 서초구 사평대로 ***, *층 (반포동)

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
2020.08.27 수리 (Accepted) 1-1-2020-0902698-22
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
딥러닝 네트워크 모델을 구분하는 페이로드 타입 필드를 생성하는 단계;멀티미디어 데이터에 적용될 알고리즘을 구분하는 유즈 케이스 필드를 생성하는 단계;상기 딥러닝 네트워크 모델이 적용되는 상기 멀티미디어 데이터 내의 위치를 지정하는 위치 인덱스 필드를 생성하는 단계;상기 멀티미디어 데이터에 적용될 파라미터를 지정하는 파라미터 인덱스 필드를 생성하는 단계;상기 딥러닝 네트워크 모델이 적용된 후의 상기 멀티미디어 데이터의 속성을 나타내는 속성 필드를 생성하는 단계; 및상기 페이로드 타입에 따른 딥러닝 네트워크 모델 데이터를 포함하는 페이로드 필드를 생성하는 단계;를 포함하는 비트스트림 생성 방법
2 2
제1항에 있어서 상기 비트스트림은,멀티미디어 비트스트림의 부가정보 영역에 포함되는 것을 특징으로 하는 비트스트림 생성 방법
3 3
제1항에 있어서 상기 비트스트림은,멀티미디어 비트스트림의 멀티미디어 데이터 영역에 포함되는 것을 특징으로 하는 비트스트림 생성 방법
4 4
제1항에 있어서 상기 딥러닝 네트워크 모델이 적용되는 상기 멀티미디어 데이터 내의 위치는, 멀티미디어 데이터의 프레임, 영역 또는 신(Scene) 단위로 구분되는 것을 특징으로 하는 비트스트림 생성방법
5 5
제1항에 있어서 상기 멀티미디어 데이터에 적용될 파라미터 인덱스는,비디오 파라미터 세트(VPS: Video Parameter Set) 인덱스, 시퀀스 파라미터 세트(SPS: Sequence Parameter Set) 인덱스 또는 픽쳐 파라미터 세트(PPS: Picture Parameter Set) 인덱스인 것을 특징으로 하는 비트스트림 생성 방법
6 6
제1항에 있어서 상기 유즈 케이스 필드를 생성하는 단계에서,상기 멀티미디어 데이터에 적용될 알고리즘은 수퍼 레졸루션(Super Resolution) 또는 노이즈 리덕션(Noise Reduction)인 것을 특징으로 하는 비트스트림 생성 방법
7 7
제1항에 있어서 상기 딥러닝 네트워크 모델이 적용된 후의 상기 멀티미디어 데이터의 속성은,영상 해상도, 프레임 레이트 또는 색공간을 포함하는 것을 특징으로 하는 비트스트림 생성 방법
8 8
메모리; 및하나 이상의 프로세서를 포함하여 멀티미디어 데이터 및 상기 멀티미디어 데이터에 적용될 딥러닝 네트워크 모델을 포함하는 비트스트림을 생성하여 상기 메모리에 저장하는 비트스트림 생성부;를 포함하되,상기 비트스트림 생성부는, 딥러닝 네트워크 모델을 구분하는 페이로드 타입 필드를 생성하고, 멀티미디어 데이터에 적용될 알고리즘을 구분하는 유즈 케이스 필드를 생성하고, 상기 딥러닝 네트워크 모델이 적용되는 상기 멀티미디어 데이터 내의 위치를 지정하는 인덱스 필드를 생성하고, 상기 딥러닝 네트워크 모델이 적용된 후의 상기 멀티미디어 데이터의 속성을 나타내는 필드를 생성하며, 상기 페이로드 타입에 따른 딥러닝 네트워크 모델 데이터를 포함하는 페이로드 필드를 생성하는 것을 특징으로 하는, 인코딩 장치
9 9
페이로드 타입 필드에 의해 딥러닝 네트워크 모델의 종류를 구분하는 단계;유즈 케이스 필드에 의해 멀티미디어 데이터에 적용될 알고리즘을 구분하는 단계;위치 인덱스 필드에 의해 상기 딥러닝 네트워크 모델이 적용되는 상기 멀티미디어 데이터 내의 위치 구분하는 단계;속성 필드에 의해 상기 딥러닝 네트워크 모델이 적용된 후의 상기 멀티미디어 데이터의 속성을 구분하는 단계; 및페이로드 필드에 의해 상기 페이로드 타입에 따른 딥러닝 네트워크 모델 데이터를 구분하는 단계;를 포함하는 비트스트림 파싱 방법
10 10
메모리; 및하나 이상의 프로세서를 포함하여 멀티미디어 데이터에 적용될 딥러닝 네트워크 모델을 포함하는 비트스트림을 파싱하여 상기 메모리에 저장하는 비트스트림 파싱부;를 포함하되,상기 비트스트림 파싱부는,페이로드 타입 필드에 의해 딥러닝 네트워크 모델의 종류를 구분하고, 유즈 케이스 필드에 의해 멀티미디어 데이터에 적용될 알고리즘을 구분하고, 위치 인덱스 필드에 의해 상기 딥러닝 네트워크 모델이 적용되는 상기 멀티미디어 데이터 내의 위치 구분하고, 속성 필드에 의해 상기 딥러닝 네트워크 모델이 적용된 후의 상기 멀티미디어 데이터의 속성을 구분하며, 페이로드 필드에 의해 상기 페이로드 타입에 따른 딥러닝 네트워크 모델 데이터를 구분하는 것을 특징으로 하는, 디코딩 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 과학기술정보통신부 전자부품연구원 정보통신방송기술개발 활성화/커널데이터의 압축/복원을 통한 초저전력 모바일 딥러닝 반도체 기술 개발