맞춤기술찾기

이전대상기술

어텐션 모듈을 포함하는 특징 추출 장치 및 방법

  • 기술번호 : KST2022021938
  • 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 채널 어텐션과 공간 어텐션으로 이루진 X, Y 어텐션 모듈을 딥러닝 신경망에 적용함으로써 입력 영상의 특징을 보다 효율적으로 추출하는 어텐션 모듈을 포함하는 특징 추출 장치 및 방법에 관한 것이다. 본 발명의 일 실시 예에 따르면, 어텐션 모듈을 통해 딥러닝 신경망 내에서 글로벌 특징과 로컬 특징을 추출하여 입력 데이터의 특징을 효과적으로 추출할 수 있다.
Int. CL G06T 11/60 (2006.01.01) G06V 10/40 (2022.01.01) G06T 11/00 (2006.01.01) G06N 3/08 (2006.01.01)
CPC G06T 11/60(2013.01) G06V 10/40(2013.01) G06T 11/003(2013.01) G06N 3/08(2013.01) G06T 2207/20081(2013.01) G06T 2207/20084(2013.01)
출원번호/일자 1020210034608 (2021.03.17)
출원인 경기대학교 산학협력단
등록번호/일자
공개번호/일자 10-2022-0129821 (2022.09.26) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2021.03.17)
심사청구항수 3

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 경기대학교 산학협력단 대한민국 경기도 수원시 영통구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김민기 경기도 의왕시 갈미
2 이병대 경기도 화성

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인지담 대한민국 경기도 성남시 분당구 대왕판교로***, A동 ***호(삼평동, 유스페이스*)

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
2021.03.17 수리 (Accepted) 1-1-2021-0313382-96
2 선행기술조사의뢰서
Request for Prior Art Search
2021.12.15 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search
2022.03.18 발송처리완료 (Completion of Transmission) 9-6-2022-0147995-17
4 의견제출통지서
Notification of reason for refusal
2022.08.18 발송처리완료 (Completion of Transmission) 9-5-2022-0622810-87
5 [지정기간연장]기간 연장신청서·기간 단축신청서·기간 경과 구제신청서·절차 계속신청서
2022.10.18 수리 (Accepted) 1-1-2022-1094929-02
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2022.10.24 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2022-1121084-50
7 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2022.10.24 수리 (Accepted) 1-1-2022-1121083-15
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
하나의 입력 피처 맵에 대한 어텐션 맵을 추출하는 X 어텐션 모듈; 및서로 다른 두개의 입력 피처 맵에 대한 어텐션 맵을 추출하는 Y 어텐션 모듈을 포함하고,적어도 하나 이상의 상기 X 어텐션 모듈과 적어도 하나 이상의 상기 Y 어텐션 모듈을 포함하는 딥러닝 신경망을 통해 입력 데이터의 특징을 추출하는어텐션 모듈을 포함하는 특징 추출 장치
2 2
제1 항에 있어서,상기 X 어텐션 모듈은 상기 하나의 입력 피처 맵에 대한 채널 어텐션 맵을 추출하는 채널 어텐션; 및상기 하나의 입력 피처 맵에 대한 공간 어텐션 맵을 추출하는 공간 어텐션을 포함하는어텐션 모듈을 포함하는 특징 추출 장치
3 3
제2항에 있어서,상기 X 어텐션 모듈은상기 공간 어텐션 맵과 상기 채널 어텐션 맵의 요소 별 곱을 수행하고, 상기 요소 별 곱의 결과값에 활성화 함수를 적용하여 X 어텐션 맵을 추출하는어텐션 모듈을 포함하는 특징 추출 장치
4 4
제1 항에 있어서, 상기 Y 어텐션 모듈은상기 서로 다른 두개의 입력 피처 맵 중 어느 하나에 대해 채널 어텐션 맵을 추출하는 채널 어텐션; 및상기 두개의 입력 피처 맵 중 나머지 하나에 대한 공간 어텐션 맵을 추출하는 공간 어텐션을 포함하는어텐션 모듈을 포함하는 특징 추출 장치
5 5
제4항에 있어서, 상기 Y 어텐션 모듈은상기 공간 어텐션 맵과 상기 채널 어텐션 맵의 요소 별 곱을 수행하고, 상기 요소 별 곱의 결과값에 활성화 함수를 적용하여 Y 어텐션 맵을 추출하는어텐션 모듈을 포함하는 특징 추출 장치
6 6
제1항에 있어서,상기 딥러닝 신경망은 다운 샘플링 중에는 상기 X 어텐션 모듈을 적용하고,업 샘플링 중에는 상기 Y 어텐션 모듈을 적용하는어텐션 모듈을 포함하는 특징 추출 장치
7 7
X 어텐션 모듈이 동일한 하나의 입력 피처 맵에 대한 어텐션 맵을 추출하는 단계;Y 어텐션 모듈이 서로 다른 두개의 입력 피처 맵에 대한 어텐션 맵을 추출하는 단계; 및 적어도 하나 이상의 상기 X 어텐션 모듈과 적어도 하나 이상의 상기 Y 어텐션 모듈을 포함하는 딥러닝 신경망을 통해 입력 데이터의 특징을 추출하는 단계를 포함하는어텐션 모듈을 포함하는 특징 추출 방법
8 8
제7 항에 있어서,상기 X 어텐션 모듈이 동일한 하나의 입력 피처 맵에 대한 어텐션 맵을 추출하는 단계는상기 X 어텐션 모듈 내의 채널 어텐션이 상기 동일한 하나의 입력 피처 맵에 대한 채널 어텐션 맵을 추출하는 단계; 및상기 X 어텐션 모듈 내의 공간 어텐션이 상기 동일한 하나의 입력 피처 맵에 대한 공간 어텐션 맵을 추출하는 단계를 포함하는어텐션 모듈을 포함하는 특징 추출 방법
9 9
제8항에 있어서,상기 공간 어텐션 맵과 상기 채널 어텐션 맵의 요소 별 곱을 수행하는 단계; 및상기 요소 별 곱의 결과값에 활성화 함수를 적용하여 X 어텐션 맵을 추출하는 단계를 더 포함하는어텐션 모듈을 포함하는 특징 추출 방법
10 10
제7 항에 있어서, 상기 Y 어텐션 모듈이 서로 다른 두개의 입력 피처 맵에 대한 어텐션 맵을 추출하는 단계는상기 Y 어텐션 모듈 내의 채널 어텐션이 상기 서로 다른 두개의 입력 피처 맵 중 어느 하나에 대해 채널 어텐션 맵을 추출하는 단계; 및상기 Y 어텐션 모듈 내의 공간 어텐션이 상기 두개의 입력 피처 맵 중 나머지 하나에 대한 공간 어텐션 맵을 추출하는 단계를 포함하는어텐션 모듈을 포함하는 특징 추출 방법
11 11
제10항에 있어서, 상기 Y 어텐션 모듈이 상기 공간 어텐션 맵과 상기 채널 어텐션 맵의 요소 별 곱을 수행하는 단계; 및상기 Y 어텐션 모듈이 상기 요소 별 곱의 결과값에 활성화 함수를 적용하여 Y 어텐션 맵을 추출하는 단계를 더 포함하는어텐션 모듈을 포함하는 특징 추출 방법
12 12
제7항에 있어서,상기 입력 데이터의 특징을 추출하는 단계는 상기 딥러닝 신경망의 다운 샘플링 중에는 상기 X 어텐션 모듈을 적용하고,상기 딥러닝 신경망의 업 샘플링 중에는 상기 Y 어텐션 모듈을 적용하는어텐션 모듈을 포함하는 특징 추출 방법
13 13
제7 항 내지 제12 항 중 어느 하나의 어텐션 모듈을 포함하는 특징 추출 방법을 실행하고 컴퓨터가 판독 가능한 기록매체에 기록된 컴퓨터 프로그램
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.