| 1 |
1
인공지능을 이용한 홀로그램의 워터마킹 시스템에 있어서,입력되는 호스트 홀로그램과 워터마크로부터 각각 특징맵을 생성하여 출력하는 해상도 변환 네트워크;상기 호스트 홀로그램의 특징맵과, 상기 워터마크의 특징맵을 입력받아 워터마크가 삽입된 홀로그램(이하 워터마크된 홀로그램)을 생성하는 워터마크 삽입 네트워크;상기 워터마크된 홀로그램으로부터 워터마크를 추출하는 워터마크 추출 네트워크; 및,손실함수를 이용하여 각 네트워크들을 학습시키는 학습부를 포함하는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
| 2 |
2
제1항에 있어서,모든 네트워크는 CNN(convolutional neural network) 레이어로만 구성되는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
| 3 |
3
제1항에 있어서,상기 호스트 홀로그램은 디지털 홀로그램의 실수부와 허수부를 [-1
|
| 4 |
4
제1항에 있어서,상기 워터마크는 1과 -1값만을 갖는 이진 데이터를 사용하는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
| 5 |
5
제1항에 있어서,상기 해상도 변환 네트워크(RCN)는 홀로그램 RCN과 워터마크 RCN으로 구성되고, 상기 홀로그램 RCN은 상기 호스트 홀로그램을 입력받아 특징맵을 출력하고, 상기 워터마크 RCN은 상기 워터마크를 입력받아 특징맵을 출력하되, 상기 워터마크의 해상도를 증가시켜서 상기 호스트 홀로그램의 특징맵과 동일한 해상도로 변환하는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
| 6 |
6
제5항에 있어서,상기 홀로그램 RCN은 하나의 컨볼루션 레이어로 구성되어, 해상도를 입력 홀로그램의 크기와 동일하게 유지하면서 채널을 확장하고,상기 워터마크 RCN은 적어도 4개의 CNN으로 구성되어, 각 레이어에서 워터마크의 해상도를 증가시켜서, 홀로그램 RCN의 출력과 같은 해상도로 변환하는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
| 7 |
7
제6항에 있어서,상기 워터마크 RCN에서, 앞 단의 적어도 3개의 레이어는 각각 컨볼루션(convolution)-배치정규화(batch normalization, BN)-ReLU 활성화(Activation) 함수-평균풀링(AP, average pooling)으로 구성되고, 마지막 레이어는 컨볼루션(convolution)-평균풀링(AP, average pooling)으로 구성되는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
| 8 |
8
제5항에 있어서,상기 워터마크 삽입 네트워크에서, 상기 홀로그램 RCN 및 상기 워터마크 RCN으로부터 출력된 특징맵(feature map)들은 연접되어서 하나의 채널을 형성하여 입력되는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
| 9 |
9
제8항에 있어서,상기 워터마크 삽입 네트워크에서, 상기 워터마크 RCN에서 출력된 워터마크 데이터에 대해 사전에 정해진 강도 계수를 곱하고, 상기 홀로그램 RCN에서 출력된 호스트 데이터에 한 채널로 연접(concatenation)시키는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
| 10 |
10
제1항에 있어서,상기 워터마크 삽입 네트워크에서, 적어도 5개의 CNN 레이어를 포함하고, 각 앞단의 적어도 4개의 레이어는 컨볼루션, 배치정규화, 및, ReLU(rectified linear unit)의 활성화 함수로 구성되고, 마지막 레이어에는 하이퍼볼릭 탄젠트(tanh) 함수를 활성화 함수로 사용하고 배치정규화를 사용하지 않는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
| 11 |
11
제1항에 있어서,상기 워터마크 출력 네트워크에서, 적어도 4개의 CNN으로 구성되어, 각 레이어에서 해상도를 줄여, 마지막 레이어의 출력은 워터마크의 해상도를 갖도록 변환하는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
| 12 |
12
제11항에 있어서,상기 워터마크 추출 네트워크는 앞단의 적어도 3개의 레이어는 컨볼루션, 배치정규화, 및, ReLU(rectified linear unit)의 활성화 함수를 사용하되, 마지막 레이어에는 하이퍼볼릭 탄젠트(tanh) 함수를 활성화 함수로 사용하고 배치정규화를 사용하지 않는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
| 13 |
13
제1항에 있어서,상기 학습부는 상기 해상도 변환 네트워크, 상기 워터마크 삽입 네트워크, 상기 워터마크 추출 네트워크를 모두 한번에 학습시키는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
| 14 |
14
제13항에 있어서,상기 학습부는 원래의 호스트 홀로그램과 워터마크된 홀로그램 사이의 차이를 제1 손실함수로 사용하고, 원래의 호스트 홀로그램과 워터마크된 홀로그램의 각각의 복원 결과의 차이를 제2 손실함수로 사용하고, 원래의 워터마크와 추출된 워터마크 사이의 차이를 제3 손실함수로 사용하여, 학습시키는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
| 15 |
15
제14항에 있어서,상기 제1 손실함수 L1는 다음 수식 1을 이용하여 산출되고, 상기 제3 손실함수 L3는 상기 제1 손실함수 L1과 동일한 수식을 이용하는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
| 16 |
16
제14항에 있어서,상기 제2 손실함수 L2는 다음 수식 2를 이용하여 산출되는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
| 17 |
17
제14항에 있어서,상기 학습부는 상기 워터마크 삽입 네트워크에서 출력된 워터마크된 홀로그램에 공격을 수행하고, 공격된 워터마크된 홀로그램을 상기 워터마크 추출 네트워크에 삽입시켜 학습시키는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
| 18 |
18
제14항에 있어서,상기 학습부는 다음 수식 3을 이용하여, 워터마크 삽입을 위한 손실함수 LEMB와 워터마크 추출을 위한 손실함수 LEXT를 이용하는 것을 특징으로 하는 인공지능을 이용한 홀로그램의 워터마킹 시스템
|
