1 |
1
이미지 데이터 및 텍스트 데이터를 획득하도록 형성되는 데이터 획득부;획득한 상기 이미지 데이터 및 상기 텍스트 데이터의 전처리를 각각 수행하여 전처리 데이터를 생성하도록 형성되는 데이터 전처리부;상기 전처리 데이터를 획득하여 상기 데이터의 특징인 통합 벡터 특징을 추출하도록 형성되는 데이터 특징 추출부; 및상기 통합 벡터 특징을 이용하여 데이터 학습을 수행하여 학습 결과를 생성하고, 상기 학습 결과를 이용하여 신규 데이터의 분류를 수행하도록 형성되는 데이터 학습부;를 포함하는 데이터 통합 분석 학습을 이용한 데이터 분류 장치
|
2 |
2
제 1항에 있어서,상기 데이터 획득부는,상기 이미지 데이터를 획득하는 이미지 데이터 획득 모듈; 및상기 텍스트 데이터를 획득하는 텍스트 데이터 획득 모듈;을 포함하여 형성되는 데이터 통합 분석 학습을 이용한 데이터 분류 장치
|
3 |
3
제 1항에 있어서,상기 데이터 전처리부는,상기 이미지 데이터의 전처리인 이미지 전처리를 수행하는 이미지 데이터 전처리 모듈; 및상기 텍스트 데이터의 전처리인 텍스트 전처리를 수행하는 텍스트 데이터 전처리 모듈;을 포함하며,상기 이미지 전처리는 상기 이미지 데이터의 크기를 기 설정된 크기로 규격화 처리하여 이미지 전처리 데이터를 생성하고,상기 텍스트 전처리는 상기 텍스트를 형태소로 분류하여 학습하고, skip-gram 알고리즘을 이용하여 중심 단어로부터 주변 단어를 추측하도록 처리하여 텍스트 전처리 데이터를 생성하는 데이터 통합 분석 학습을 이용한 데이터 분류 장치
|
4 |
4
제 3항에 있어서,상기 데이터 특징 추출부는,상기 이미지 전처리 데이터의 특징을 추출하기 위해 CNN 알고리즘을 이용하여 이미지 데이터 벡터를 추출하도록 형성되는 이미지 데이터 벡터 추출 모듈;상기 텍스트 전처리 데이터의 특징을 추출하기 위해 CNN 알고리즘을 이용하여 텍스트 데이터 벡터를 추출하도록 형성되는 텍스트 데이터 벡터 추출 모듈; 및상기 이미지 데이터 벡터와 텍스트 데이터 벡터를 통합한 통합 벡터의 특징을 CNN 알고리즘을 이용하여 추출하도록 형성되는 통합 벡터 특징 추출 모듈;을 포함하는 데이터 통합 분석 학습을 이용한 데이터 분류 장치
|
5 |
5
제 4항에 있어서,상기 통합 벡터는, 상기 텍스트 데이터 벡터와 상기 이미지 데이터 벡터가 행별로 교차 배치되어 형성되며, 상기 이미지 데이터 벡터를 상기 텍스트 데이터 벡터와 동일한 개수만큼 이용하기 위해 상기 이미지 데이터 벡터가 부족한 개수만큼 상기 이미지 데이터 벡터를 복제하여 형성되는 데이터 통합 분석 학습을 이용한 데이터 분류 장치
|
6 |
6
제 1항에 있어서,상기 데이터 학습부는,상기 통합 벡터 특징을 이용하여 데이터 학습을 수행하여 상기 기본 데이터 학습 결과를 생성하는 기본 데이터 학습 모듈; 및분류를 위해 획득한 상기 신규 데이터를 상기 학습 결과를 이용하여 분류하도록 형성되는 신규 데이터 분류 모듈;을 포함하는 데이터 통합 분석 학습을 이용한 데이터 분류 장치
|
7 |
7
제 6항에 있어서,상기 신규 데이터 분류 모듈은, 상기 신규 데이터의 분류 결과가 기 설정된 정확도 이상인 경우, 해당 신규 데이터를 상기 기본 데이터 학습 결과를 생성하기 위한 데이터로 사용하기 위해 상기 데이터 전처리부로 전달하는 데이터 통합 분석 학습을 이용한 데이터 분류 장치
|
8 |
8
제 1항 내지 제 7항 중 어느 한 항의 데이터 분류 장치를 이용하는 데이터 통합 분석 학습을 이용한 데이터 분류 방법에 있어서,이미지 데이터 및 텍스트 데이터를 획득하는 단계;획득한 상기 이미지 데이터 및 상기 텍스트 데이터의 전처리를 각각 수행하여 전처리 데이터를 생성하는 단계;상기 전처리 데이터를 획득하여 상기 데이터의 특징인 통합 벡터 특징을 추출하는 단계; 및상기 통합 벡터 특징을 이용하여 데이터 학습을 수행하여 학습 결과를 생성하고, 상기 학습 결과를 이용하여 신규 데이터의 분류를 수행하는 단계;를 포함하는 데이터 통합 분석 학습을 이용한 데이터 분류 방법
|
9 |
9
제 8항에 있어서,상기 전처리 데이터를 생성하는 단계;는상기 이미지 데이터의 전처리인 이미지 전처리를 수행하는 단계; 및상기 텍스트 데이터의 전처리인 텍스트 전처리를 수행하는 단계;를 포함하며,상기 이미지 전처리는 상기 이미지 데이터의 크기를 기 설정된 크기로 규격화 처리하여 이미지 전처리 데이터를 생성하고,상기 텍스트 전처리는 상기 텍스트를 형태소로 분류하여 학습하고, skip-gram 알고리즘을 이용하여 중심 단어로부터 주변 단어를 추측하도록 처리하여 텍스트 전처리 데이터를 생성하는 데이터 통합 분석 학습을 이용한 데이터 분류 방법
|
10 |
10
제 9항에 있어서,상기 통합 벡터 특징을 추출하는 단계;는, 상기 이미지 전처리 데이터의 특징을 추출하기 위해 CNN 알고리즘을 이용하여 이미지 데이터 벡터를 추출하는 단계;상기 텍스트 전처리 데이터의 특징을 추출하기 위해 CNN 알고리즘을 이용하여 텍스트 데이터 벡터를 추출하는 단계; 및상기 이미지 데이터 벡터와 텍스트 데이터 벡터를 통합한 통합 벡터의 특징을 CNN 알고리즘을 이용하여 추출하는 단계;를 포함하는 데이터 통합 분석 학습을 이용한 데이터 분류 방법
|
11 |
11
제 10항에 있어서,상기 통합 벡터는, 상기 텍스트 데이터 벡터와 상기 이미지 데이터 벡터가 행별로 교차 배치되어 형성되며, 상기 이미지 데이터 벡터를 상기 텍스트 데이터 벡터와 동일한 개수만큼 이용하기 위해 상기 이미지 데이터 벡터가 부족한 개수만큼 상기 이미지 데이터 벡터를 복제하여 형성되는 데이터 통합 분석 학습을 이용한 데이터 분류 방법
|
12 |
12
제 8항에 있어서,상기 신규 데이터의 분류를 수행하는 단계;는,상기 통합 벡터 특징을 이용하여 데이터 학습을 수행하여 상기 기본 데이터 학습 결과를 생성하는 단계; 및분류를 위해 획득한 상기 신규 데이터를 상기 학습 결과를 이용하여 분류하는 단계;를 포함하는 데이터 통합 분석 학습을 이용한 데이터 분류 방법
|
13 |
13
제 12항에 있어서,상기 신규 데이터를 상기 학습 결과를 이용하여 분류하는 단계;는,상기 신규 데이터의 분류 결과가 기 설정된 정확도 이상인 경우, 해당 신규 데이터를 상기 기본 데이터 학습 결과를 생성하기 위한 데이터로 사용하기 위해 상기 전처리 데이터를 생성하는 단계로 전달하는 데이터 통합 분석 학습을 이용한 데이터 분류 방법
|