맞춤기술찾기

이전대상기술

초해상도 신경망 학습 장치 및 그 방법

  • 기술번호 : KST2022024054
  • 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 초해상도 알고리즘의 학습 과정에서 일대다(One-to-many) 문제를 효과적으로 처리할 수 있는 초해상도 신경망 학습 장치 및 그 방법이 개시된다. 본 발명의 실시예에 따른 초해상도 신경망 학습 방법은: 초해상도 신경망에 의해, 저해상도 입력 영상을 초해상도 처리하여 고해상도 출력 영상을 획득하는 단계; 적응형 타겟 생성부에 의해, 상기 고해상도 출력 영상과 고해상도 정답 영상을 비교하여 상기 고해상도 정답 영상으로부터 적응형 타겟 영상을 생성하는 단계; 상기 고해상도 정답 영상으로부터 변환된 상기 적응형 타겟 영상을 이용하여 상기 초해상도 신경망을 학습하는 단계;를 포함한다.
Int. CL G06T 3/40 (2006.01.01) G06T 3/00 (2019.01.01)
CPC G06T 3/4046(2013.01) G06T 3/4053(2013.01) G06T 3/0006(2013.01) G06N 3/08(2013.01) G06T 2207/20084(2013.01)
출원번호/일자 1020210077174 (2021.06.15)
출원인 연세대학교 산학협력단
등록번호/일자
공개번호/일자 10-2022-0167901 (2022.12.22) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2021.06.15)
심사청구항수 13

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 김선주 서울특별시 서대문구
2 조영현 서울특별시 서대문구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 백두진 대한민국 서울특별시 서초구 바우뫼로 ***, *층(양재동, 혜산빌딩)(시공특허법률사무소)
2 유광철 대한민국 서울특별시 서초구 바우뫼로 *** *층 (양재동, 혜산빌딩)(시공특허법률사무소)
3 김정연 대한민국 서울특별시 서초구 바우뫼로 *** *층(양재동, 혜산빌딩)(시공특허법률사무소)
4 권성현 대한민국 서울특별시 서초구 바우뫼로 *** 혜산빌딩 *층(시공특허법률사무소)
5 강일신 대한민국 서울특별시 서초구 바우뫼로 ***, *층 혜산빌딩(양재동)(시공특허법률사무소)

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
2021.06.15 수리 (Accepted) 1-1-2021-0686373-22
2 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment
2022.01.03 수리 (Accepted) 1-1-2022-0004405-23
3 선행기술조사의뢰서
Request for Prior Art Search
2022.05.16 수리 (Accepted) 9-1-9999-9999999-89
4 선행기술조사보고서
Report of Prior Art Search
2022.06.17 발송처리완료 (Completion of Transmission) 9-6-2022-0192645-08
5 특허고객번호 정보변경(경정)신고서·정정신고서
2022.10.07 수리 (Accepted) 4-1-2022-5235822-97
6 의견제출통지서
Notification of reason for refusal
2022.11.28 발송처리완료 (Completion of Transmission) 9-5-2022-0925611-71
7 특허고객번호 정보변경(경정)신고서·정정신고서
2022.12.09 수리 (Accepted) 4-1-2022-5292360-75
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
초해상도 신경망에 의해, 저해상도 입력 영상을 초해상도 처리하여 고해상도 출력 영상을 획득하는 단계;적응형 타겟 생성부에 의해, 상기 고해상도 출력 영상과 고해상도 정답 영상을 비교하여 상기 고해상도 정답 영상으로부터 적응형 타겟 영상을 생성하는 단계;상기 고해상도 정답 영상으로부터 변환된 상기 적응형 타겟 영상을 이용하여 상기 초해상도 신경망을 학습하는 단계;를 포함하는 초해상도 신경망 학습 방법
2 2
제1항에 있어서,상기 적응형 타겟 영상을 생성하는 단계는:상기 고해상도 출력 영상과 고해상도 정답 영상 간의 대응하는 패치 영역별로 설정된 왜곡 탐색 범위 내에서 아핀 변환(Affine transformation) 정보를 산출하는 단계;상기 패치 영역 별로 산출된 상기 아핀 변환 정보를 기반으로 상기 고해상도 정답 영상을 상기 패치 영역별로 변환하여 상기 적응형 타겟 영상을 생성하는 단계;를 포함하는 초해상도 신경망 학습 방법
3 3
제2항에 있어서,상기 적응형 타겟 영상을 생성하는 단계는:상기 패치 영역 별로 상기 고해상도 정답 영상을 상기 아핀 변환 정보에 따라 보정하여 상기 적응형 타겟 영상을 생성하는 단계;를 포함하는 초해상도 신경망 학습 방법
4 4
제2항에 있어서,상기 적응형 타겟 영상을 생성하는 단계에서, 상기 적응형 타겟 생성부는 하기 수식 1의 손실 함수가 최소화되는 아핀 변환 행렬을 추정하도록 선행 학습되고, 선행 학습된 상기 적응형 타겟 생성부에 의해 상기 적응형 타겟 영상을 생성하고,[수식 1]상기 수식 1에서, i, j는 각 패치 영역의 위치(좌표), 은 제곱 평균 오차, 는 상기 각 패치 영역의 아핀 변환 행렬, 는 상기 고해상도 정답 영상의 상기 각 패치 영역으로부터 설정된 왜곡 탐색 범위 내에서 임의로 모사되어 생성되는 모의 아핀 변환 행렬, 는 상기 고해상도 정답 영상으로부터 상기 각 패치 영역 별로 상기 모의 아핀 변환 행렬에 의해 임의로 왜곡되어 생성되는 모의 타겟 영상, 는 상기 각 패치 영역 별로 상기 고해상도 정답 영상으로부터 상기 아핀 변환 행렬에 의해 변환되어 생성되는 상기 적응형 타겟 영상, 는 설정된 스케일 파라미터인 초해상도 신경망 학습 방법
5 5
제2항에 있어서,상기 초해상도 신경망을 학습하는 단계는 하기 수식 2의 손실 함수가 최소화되도록 상기 초해상도 신경망을 학습하고,[수식 2]상기 수식 2에서, 은 제곱 평균 오차, 는 상기 패치 영역 별로 상기 고해상도 정답 영상으로부터 상기 아핀 변환 정보에 의해 변환되어 생성되는 상기 적응형 타겟 영상, 는 상기 고해상도 출력 영상인 초해상도 신경망 학습 방법
6 6
제1항에 있어서,상기 초해상도 신경망을 학습하는 단계는:상기 초해상도 신경망에 의해 제1 저해상도 입력 영상을 초해상도 처리하여 획득되는 제1 고해상도 출력 영상과, 상기 제1 저해상도 입력 영상과 관련된 제1 고해상도 정답 영상을 이용하여 상기 초해상도 신경망을 1차 학습하는 단계; 및상기 초해상도 신경망에 의해 제2 저해상도 입력 영상을 초해상도 처리하여 획득되는 제2 고해상도 출력 영상과, 상기 제2 저해상도 입력 영상과 관련된 제2 고해상도 정답 영상으로부터 상기 적응형 타겟 생성부에 의해 생성되는 적응형 타겟 영상을 이용하여 상기 초해상도 신경망을 2차 학습하는 단계;를 포함하는 초해상도 신경망 학습 방법
7 7
제1항 내지 제6항 중 어느 한 항의 초해상도 신경망 학습 방법을 실행시키도록 컴퓨터로 판독 가능한 기록 매체에 기록된 컴퓨터 프로그램
8 8
저해상도 입력 영상을 초해상도 처리하여 고해상도 출력 영상을 획득하도록 구성되는 초해상도 신경망;상기 고해상도 출력 영상과 고해상도 정답 영상을 비교하여 상기 고해상도 정답 영상으로부터 적응형 타겟 영상을 생성하도록 구성되는 적응형 타겟 생성부; 및상기 고해상도 정답 영상으로부터 변환된 상기 적응형 타겟 영상을 이용하여 상기 초해상도 신경망을 학습하도록 구성되는 초해상도 신경망 학습부;를 포함하는 초해상도 신경망 학습 장치
9 9
제8항에 있어서,상기 적응형 타겟 생성부는:상기 고해상도 출력 영상과 고해상도 정답 영상 간의 대응하는 패치 영역별로 설정된 왜곡 탐색 범위 내에서 아핀 변환(Affine transformation) 정보를 산출하고;상기 패치 영역 별로 산출된 상기 아핀 변환 정보를 기반으로 상기 고해상도 정답 영상을 상기 패치 영역별로 변환하여 상기 적응형 타겟 영상을 생성하도록 구성되는 초해상도 신경망 학습 장치
10 10
제9항에 있어서,상기 적응형 타겟 생성부는:상기 패치 영역 별로 상기 고해상도 정답 영상을 상기 아핀 변환 정보에 따라 보정하여 상기 적응형 타겟 영상을 생성하도록 구성되는 초해상도 신경망 학습 장치
11 11
제9항에 있어서,상기 적응형 타겟 생성부는 하기 수식 1의 손실 함수가 최소화되는 아핀 변환 행렬을 추정하도록 선행 학습되고, 선행 학습된 상기 적응형 타겟 생성부는 상기 적응형 타겟 영상을 생성하고,[수식 1]상기 수식 1에서, i, j는 각 패치 영역의 위치(좌표), 은 제곱 평균 오차, 는 상기 각 패치 영역의 아핀 변환 행렬, 는 상기 고해상도 정답 영상의 상기 각 패치 영역으로부터 설정된 왜곡 탐색 범위 내에서 임의로 모사되어 생성되는 모의 아핀 변환 행렬, 는 상기 고해상도 정답 영상으로부터 상기 각 패치 영역 별로 상기 모의 아핀 변환 행렬에 의해 임의로 왜곡되어 생성되는 모의 타겟 영상, 는 상기 각 패치 영역 별로 상기 고해상도 정답 영상으로부터 상기 아핀 변환 행렬에 의해 변환되어 생성되는 상기 적응형 타겟 영상, 는 설정된 스케일 파라미터인 초해상도 신경망 학습 장치
12 12
제9항에 있어서,상기 초해상도 신경망 학습부는 하기 수식 2의 손실 함수가 최소화되도록 상기 초해상도 신경망을 학습하고,[수식 2]상기 수식 2에서, 은 제곱 평균 오차, 는 상기 패치 영역 별로 상기 고해상도 정답 영상으로부터 상기 아핀 변환 정보에 의해 변환되어 생성되는 상기 적응형 타겟 영상, 는 상기 고해상도 출력 영상인 초해상도 신경망 학습 장치
13 13
제8항에 있어서,상기 초해상도 신경망 학습부는:상기 초해상도 신경망에 의해 제1 저해상도 입력 영상을 초해상도 처리하여 획득되는 제1 고해상도 출력 영상과, 상기 제1 저해상도 입력 영상과 관련된 제1 고해상도 정답 영상을 이용하여 상기 초해상도 신경망을 1차 학습하고;상기 초해상도 신경망에 의해 제2 저해상도 입력 영상을 초해상도 처리하여 획득되는 제2 고해상도 출력 영상과, 상기 제2 저해상도 입력 영상과 관련된 제2 고해상도 정답 영상으로부터 상기 적응형 타겟 생성부에 의해 생성되는 적응형 타겟 영상을 이용하여 상기 초해상도 신경망을 2차 학습하도록 구성되는 초해상도 신경망 학습 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 한국전자통신연구원 혁신성장동력프로젝트(R&D)(과기정통부) (딥뷰-1세부) 실시간 대규모 영상 데이터 이해·예측을 위한 고성능 비주얼 디스커버리 플랫폼 개발
2 과학기술정보통신부 연세대학교 산학협력단 정보통신방송혁신인재양성(R&D) 인공지능대학원지원(연세대학교)