| 1 |
1
출력되는 인쇄물의 색상을 결정하는 제1 학습 데이터와 상기 제1 학습 데이터를 이용하여 인쇄된 인쇄물의 파장대별 반사율에 대한 정보인 제2 학습 데이터를 이용하여 반사율 예측 모델을 생성하는 방법으로서, 상기 제1 학습 데이터(10)는 잉크 정보(11)를 포함하고, 상기 잉크 정보(11)는 잉크 색상 별 배합비율, 잉크 두께 및 잉크 종류를 포함하고,상기 제1 학습 데이터(10)와 상기 제2 학습데이터(20)는 각각 대응되고,(a) 모델링부(100)에 다수의 제1 학습 데이터(10)와, 상기 다수의 제1 학습 데이터(10)와 각각 대응되는 다수의 제2 학습 데이터(20)가 입력되는 단계; 및(b) 상기 모델링부(100)는 상기 (a) 단계에서 입력된 상기 다수의 제1 학습 데이터(10)를 각각 입력 데이터(input data)로 설정하고, 상기 각각의 입력 데이터와 대응되는 상기 제2 학습 데이터(20)를 상기 각각의 입력 데이터의 레이블 데이터(label data)로 하여 지도 학습(supervised learning)하는 상기 반사율 예측 모델을 생성하는 단계; 를 포함하는,방법
|
| 2 |
2
제1항에 있어서,상기 다수의 제1 학습 데이터(10)는 각각 인쇄되는 종이의 광학적 특징 및 종이 종류를 포함하는 종이 정보(12)를 더 포함하고, 상기 종이의 광학적 특징은 종이의 광택도(Gloss), 백색도(Whiteness) 및 불투명도(Opacity)중 어느 하나 이상을 포함하는,방법
|
| 3 |
3
제2항에 있어서,상기 다수의 제1 학습 데이터(10)는 각각 망점 농도를 포함하는 인쇄 정보(13)를 더 포함하는,방법
|
| 4 |
4
제1항에 있어서,상기 다수의 제1 학습 데이터(10)는 각각 잉크에 포함되는 첨가물 비율을 포함하는 첨가물 정보(14)에 대한 정보를 더 포함하는, 방법
|
| 5 |
5
제1항에 있어서,상기 다수의 제1 학습 데이터(10)는 각각 인쇄기가 위치되는 환경의 온습도 정보(15)를 더 포함하는, 방법
|
| 6 |
6
제1항에 있어서,상기 다수의 제1 학습 데이터(10)는 각각 인쇄기가 포함하는 수분량 정보(16)를 더 포함하는, 방법
|
| 7 |
7
제1항에 있어서,상기 (b)단계 이후,상기 (b)단계에서 생성된 상기 반사율 예측 모델에 상기 다수의 제1 학습 데이터(10)의 종류 중 어느 하나 이상의 정보를 입력하면, 상기 입력된 정보로부터 반사율을 예측하는 단계;를 더 포함하는,방법
|
