| 1 |
1
사전에 수행된 머신 러닝의 결과가 탑재되며, 입력되는 동영상 신호의 각 프레임에 대하여 픽셀 단위로 블록킹 여부를 나타내는 정보가 구성되는 마스크 프레임을 실시간 생성하는 딥 네트워크 모듈(10);상기 딥 네트워크 모듈(10)이 출력하는 마스크 프레임을 이용하여, 입력되는 동영상 신호의 각 프레임에 대하여 픽셀 단위로 블록킹을 실시간 수행하는 픽셀단위 블록킹 모듈(20);를 포함하여,동영상에 포함된 광고영역 부분을 선택적으로 제거하는 것을 특징으로 하는, 딥 네트워크를 활용한 광고제거 어댑터 장치
|
| 2 |
2
청구항 1에 있어서,모니터 또는 TV의 HDMI 입력단자에 물리적으로 결합하는 것을 특징으로 하는,딥 네트워크를 활용한 광고제거 어댑터 장치
|
| 3 |
3
청구항 2에 있어서,동영상 소스 장치로부터 HDMI 신호를 입력받아서 상기 딥 네트워크 모듈(10) 및 픽셀단위 블록킹 모듈(20)로 제공하는 HDMI 입력포트(30);상기 픽셀단위 블록킹 모듈(20)로부터 광고영역 부분이 선택적으로 제거된 동영상 신호를 제공받아, 상기한 모니터 또는 TV의 HDMI 입력단자로 출력하는 HDMI 출력포트(40);를 더 포함하는,딥 네트워크를 활용한 광고제거 어댑터 장치
|
| 4 |
4
청구항 1에 있어서,상기 픽셀단위 블록킹 모듈(20)은,상기 마스크 프레임의 비트값과 동영상 프레임의 픽셀값에 대해 pixel-wise multiplication을 수행하는,딥 네트워크를 활용한 광고제거 어댑터 장치
|
| 5 |
5
청구항 4에 있어서,상기 마스크 프레임의 비트값은 0 또는 1 이며,상기 딥 네트워크 모듈(10)은, 프레임에서 광고영역의 픽셀인 경우 상기 마스크 프레임의 비트값을 0 으로 출력하고 프레임에서 비광고영역의 픽셀인 경우 상기 마스크 프레임의 비트값을 1로 출력하는,딥 네트워크를 활용한 광고제거 어댑터 장치
|
| 6 |
6
청구항 1에 있어서,상기 딥 네트워크 모듈(10)은,입력되는 동영상 신호의 프레임 사이즈를 미리 정해진 사이즈로 down-sampling하는 전처리부(12);를 포함하는,딥 네트워크를 활용한 광고제거 어댑터 장치
|
| 7 |
7
청구항 6에 있어서,상기 딥 네트워크 모듈(10)은,상기 전처리부(12)에서 down-sampling된 프레임에 대하여 픽셀 단위로 블록킹 여부를 나타내는 정보가 포함된 다운사이즈 마스크 프레임을 구성하는 코어부(11); 및 상기 다운사이즈 마스크 프레임을 up sampling함으로써 상기 픽셀단위 블록킹 모듈(20)이 이용할 마스크 프레임을 생성하는 후처리부(13);를 더 포함하는,딥 네트워크를 활용한 광고제거 어댑터 장치
|
| 8 |
8
청구항 1에 있어서,상기 딥 네트워크 모듈(10)은 네트워크 모델로서 U-Net를 사용하는 것을 특징으로 하는,딥 네트워크를 활용한 광고제거 어댑터 장치
|
| 9 |
9
입력되는 동영상 신호의 각 프레임에 대하여 픽셀 단위로 블록킹 여부를 나타내는 정보가 구성되는 마스크 프레임을 실시간 생성하는 딥 네트워크 모듈을 포함하여 구성되며 동영상에 포함된 광고영역 부분을 선택적으로 제거하는 광고제거 어댑터 장치를 위한 머신 러닝 방법으로서,웹사이트를 캡처한 트레인 이미지와, 상기 트레인 이미지의 광고영역 부분을 제 1 색상으로 처리하고 나머지 부분을 제 2 색상으로 처리한 레이블 이미지으로 구성되는 데이터 쌍을 다수 개 포함하는 데이터 세트를 준비하는 데이터 세트 준비 단계;상기 준비된 데이터 세트에 대하여 U-Net 네트워크 모델을 사용하여 학습하는 네트워크 학습 단계;를 포함하여 구성되며,상기 네트워크 학습 단계의 결과를 상기 딥 네트워크 모듈에 반영하는 것을 특징으로 하는,광고제거 어댑터 장치를 위한 머신 러닝 방법
|
| 10 |
10
청구항 9에 있어서,상기 딥 네트워크 모듈은 AI 프로세서 또는 FPGA로 구현되는 것을 특징으로 하는,광고제거 어댑터 장치를 위한 머신 러닝 방법
|
| 11 |
11
청구항 9에 있어서,상기 데이터 세트 준비 단계는,캡처한 모든 웹사이트 이미지에 대하여 정해진 단일 사이즈로 down-sampling 하는 전처리 과정을 포함하여 구성되는 것을 특징으로 하는,광고제거 어댑터 장치를 위한 머신 러닝 방법
|
| 12 |
12
청구항 9에 있어서,상기 네트워크 학습 단계의 U-Net 네트워크는,Expanding Path 및 Contracting Path를 구비하고 convolution 3X3, ReLu, max pooling 2X2, up-convoluntion 2X2, convolution 1x1 및 copy 0026# crop을 포함하는,광고제거 어댑터 장치를 위한 머신 러닝 방법
|
| 13 |
13
청구항 12에 있어서,상기 U-Net 네트워크의 출력값은 픽셀별로 0 이상 1 이하인 임의의 값을 가지며,상기 U-Net 네트워크의 출력값에 대하여 0
|
| 14 |
14
청구항 13에 있어서,상기 네트워크 학습 단계의 U-Net 네트워크에서는,Xavier initializer, batch nomalization, 0
|
| 15 |
15
딥 네트워크를 활용하여 동영상에 포함된 광고영역 부분을 선택적으로 제거하는 광고제거 어댑터 장치에서 실행되는 광고제거 방법으로서,사전에 수행된 머신 러닝의 결과가 탑재되는 딥 네트워크 모듈(10)을 이용하여, 입력되는 동영상 신호의 각 프레임에 대하여 픽셀 단위로 블록킹 여부를 나타내는 정보가 구성되는 마스크 프레임을 실시간 생성하는 제 1 단계;상기 제 1 단계에서 생성된 마스크 프레임을 이용하여, 입력되는 동영상 신호의 각 프레임에 대하여 픽셀 단위로 블록킹을 실시간 수행하는 제 2 단계;를 포함하는 것을 특징으로 하는,광고제거 어댑터 장치에서 실행되는 광고제거 방법
|
| 16 |
16
청구항 15에 있어서,상기 제 1 단계에서,상기 마스크 프레임의 비트값과 동영상 프레임의 픽셀값에 대해 pixel-wise multiplication을 수행하는,광고제거 어댑터 장치에서 실행되는 광고제거 방법
|
| 17 |
17
청구항 16에 있어서,상기 마스크 프레임의 비트값은 0 또는 1 이며,상기 pixel-wise multiplication에 의해, 프레임에서 광고영역의 픽셀인 경우 상기 마스크 프레임의 비트값을 0 으로 출력하고 프레임에서 비광고영역의 픽셀인 경우 상기 마스크 프레임의 비트값을 1로 출력하는,광고제거 어댑터 장치에서 실행되는 광고제거 방법
|
| 18 |
18
청구항 15에 있어서,상기 제 1 단계에서는,입력되는 동영상 신호의 프레임 사이즈를 미리 정해진 사이즈로 down-sampling하는 전처리 과정;상기 전처리 과정에서 down-sampling된 프레임에 대하여 픽셀 단위로 블록킹 여부를 나타내는 정보가 포함된 다운사이즈 마스크 프레임을 구성하는 코어 처리 과정; 및상기 다운사이즈 마스크 프레임을 up sampling함으로써 상기 제 2 단계에서 이용할 마스크 프레임을 생성하는 후처리 과정을 포함하는,광고제거 어댑터 장치에서 실행되는 광고제거 방법
|
