맞춤기술찾기

이전대상기술

동영상 특징 추출 방법 및 장치

  • 기술번호 : KST2022011134
  • 담당센터 : 서울서부기술혁신센터
  • 전화번호 : 02-6124-6930
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 개시된 기술은 동영상 특징 추출 방법 및 장치에 관한 것으로, 분석장치가 동영상을 수신하고 상기 동영상의 복수의 프레임들 중 일부의 프레임들을 포함하는 제 1 세그먼트를 특징 추출기에 입력하여 제 1 특징벡터를 출력하는 단계; 상기 분석장치가 상기 일부의 프레임들 후의 일부 프레임들을 포함하는 제 2 세그먼트를 상기 특징 추출기에 입력하여 제 2 특징벡터를 출력하는 단계; 상기 분석장치가 상기 제 1 특징벡터 및 상기 제 2 특징벡터의 차이를 계산하여 레퍼런스 라벨 데이터(Reference Label Data)를 생성하는 단계; 상기 분석장치가 상기 제 1 특징벡터를 합성곱 신경망에 입력하여 상기 제 1 세그먼트에 대한 예측 데이터를 출력하는 단계; 및 상기 분석장치가 상기 예측 데이터가 상기 레퍼런스 라벨 데이터와 유사해지도록 상기 특징 추출기를 학습하는 단계;를 포함한다. 따라서 라벨값을 생성하는 코스트를 방지하고 다음 세그먼트에 대한 예측 성능을 향상시키는 효과가 있다.
Int. CL G06K 9/00 (2022.01.01) G06V 10/46 (2022.01.01)
CPC G06V 20/46(2013.01) G06V 10/469(2013.01) G06N 3/08(2013.01)
출원번호/일자 1020200153515 (2020.11.17)
출원인 연세대학교 산학협력단
등록번호/일자
공개번호/일자 10-2022-0067138 (2022.05.24) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.11.17)
심사청구항수 12

출원인

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

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 변혜란 서울특별시 서대문구
2 이제욱 서울특별시 서대문구
3 이필현 서울특별시 서대문구
4 홍기범 서울특별시 서대문구

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 선릉로**길**, **층, **층(코아렌빌딩)

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
2020.11.17 수리 (Accepted) 1-1-2020-1229860-04
2 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment
2021.08.18 수리 (Accepted) 1-1-2021-0947434-19
3 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment
2021.12.24 수리 (Accepted) 1-1-2021-1500679-16
4 의견제출통지서
Notification of reason for refusal
2022.01.07 발송처리완료 (Completion of Transmission) 9-5-2022-0023426-18
5 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2022.02.17 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2022-0177624-27
6 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2022.02.17 수리 (Accepted) 1-1-2022-0177625-73
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
분석장치가 동영상을 수신하고 상기 동영상의 복수의 프레임들 중 일부의 프레임들을 포함하는 제 1 세그먼트를 특징 추출기에 입력하여 제 1 특징벡터를 출력하는 단계;상기 분석장치가 상기 일부의 프레임들 후의 일부 프레임들을 포함하는 제 2 세그먼트를 상기 특징 추출기에 입력하여 제 2 특징벡터를 출력하는 단계;상기 분석장치가 상기 제 1 특징벡터 및 상기 제 2 특징벡터의 차이를 계산하여 레퍼런스 라벨 데이터(Reference Label Data)를 생성하는 단계;상기 분석장치가 상기 제 1 특징벡터를 합성곱 신경망에 입력하여 상기 제 1 세그먼트에 대한 예측 데이터를 출력하는 단계; 및상기 분석장치가 상기 예측 데이터가 상기 레퍼런스 라벨 데이터와 유사해지도록 상기 특징 추출기를 학습하는 단계;를 포함하는 동영상 특징 추출 방법
2 2
제 1 항에 있어서,상기 제 1 세그먼트는 상기 분석장치에 입력되는 상기 동영상의 현재 세그먼트이고 상기 제 2 세그먼트는 상기 제 1 세그먼트에 연속하는 다음 세그먼트인 것을 특징으로 하는 동영상 특징 추출 방법
3 3
제 1 항에 있어서,상기 제 1 특징벡터 및 상기 제 2 특징벡터는 세그먼트의 너비(height), 높이(width) 및 시간(Time)*채널(channel)을 각각의 축으로 하는 3차원 데이터인 동영상 특징 추출 방법
4 4
제 1 항에 있어서, 상기 레퍼런스 라벨 데이터를 생성하는 단계는,상기 분석장치가 상기 제 1 특징벡터와 상기 제 2 특징벡터 사이의 변화량 차이를 계산하는 단계;상기 분석장치가 상기 변화량 차이를 시간*채널 축으로 정규화하는 단계; 및상기 분석장치가 상기 정규화 된 변화량 차이의 크기에 따라 점수를 매기는 단계;를 포함하는 동영상 특징 추출 방법
5 5
제 1 항에 있어서, 상기 레퍼런스 라벨 데이터는 상기 제 1 특징벡터 및 상기 제 2 특징벡터 각각의 프레임 영역 단위의 변화량 차이의 정도를 나타내는 값을 포함하는 동영상 특징 추출 방법
6 6
제 1 항에 있어서, 상기 특징 추출기를 학습하는 단계는,상기 분석장치가 크로스 엔트로피(Cross Entropy) 손실함수를 이용하여 상기 특징 추출기의 매개변수 및 상기 합성곱 신경망의 매개변수를 조정하는 동영상 특징 추출 방법
7 7
동영상을 입력받아 복수의 세그먼트들로 분할하는 입력장치; 상기 복수의 세그먼트들을 입력받아 복수의 특징벡터들을 출력하는 특징 추출기 및 상기 복수의 특징벡터들 중 하나를 입력받아 다음 세그먼트에 대한 예측 데이터를 출력하는 합성곱 신경망을 저장하는 저장장치; 및상기 특징 추출기에 상기 복수의 세그먼트들 중 제 1 세그먼트를 입력하여 제 1 특징벡터를 출력하고 제 2 세그먼트를 입력하여 제 2 특징벡터를 출력하고, 상기 제 1 특징벡터 및 상기 제 2 특징벡터의 차이를 계산하여 레퍼런스 라벨 데이터를 생성하고, 상기 합성곱 신경망에 상기 제 1 특징벡터를 입력하여 출력된 예측 데이터와 상기 레퍼런스 라벨 데이터를 비교하는 계산장치;를 포함하는 동영상 특징 추출 장치
8 8
제 7 항에 있어서,상기 제 1 세그먼트는 상기 동영상의 현재 세그먼트이고 상기 제 2 세그먼트는 상기 제 1 세그먼트에 연속하는 다음 세그먼트인 것을 특징으로 하는 동영상 특징 추출 장치
9 9
제 7 항에 있어서,상기 제 1 특징벡터 및 상기 제 2 특징벡터는 세그먼트의 너비(height), 높이(width) 및 시간(Time)*채널(channel)을 각각의 축으로 하는 3차원 데이터인 동영상 특징 추출 장치
10 10
제 7 항에 있어서, 상기 분석장치는 상기 제 1 특징벡터와 상기 제 2 특징벡터 사이의 변화량 차이를 계산하고, 상기 변화량 차이를 시간*채널 축으로 정규화하고, 상기 정규화 된 변화량 차이의 크기에 따라 점수를 매겨서 상기 레퍼런스 라벨 데이터를 생성하는 동영상 특징 추출 장치
11 11
제 7 항에 있어서, 상기 레퍼런스 라벨 데이터는 상기 제 1 특징벡터 및 상기 제 2 특징벡터 각각의 프레임 영역 단위의 변화량 차이의 정도를 나타내는 값을 포함하는 동영상 특징 추출 장치
12 12
제 7 항에 있어서, 상기 계산장치는 크로스 엔트로피(Cross Entropy) 손실함수를 이용하여 상기 특징 추출기의 매개변수 및 상기 합성곱 신경망의 매개변수를 조정하는 동영상 특징 추출 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 연세대학교 산학협력단 정보통신방송연구개발사업 인공지능대학원지원사업
2 과학기술정보통신부 연세대학교 산학협력단 정보통신방송연구개발사업 인공지능대학원지원사업