| 1 |
1
입력데이터로부터 객체를 검출하여 인식한 후 드리프트 발생여부를 판단하여 상기 입력데이터에 대한 학습모델을 재훈련시키는 머신러닝의 드리프트 현상 탐지를 이용한 재훈련시스템에 있어서, 상기 입력데이터로부터 검출 대상을 특정하기 위해 상기 입력데이터 내에서 바운딩 박스를 통하여 객체를 탐지하여 인식하기 위한 객체탐지부(200)와, 미리 학습된 학습모델을 통해 상기 인식된 객체를 예측하여 상기 인식된 객체의 종류, 위치, 진실성 중 하나 이상을 포함한 예측데이터를 생성하기 위한 예측결과부(300)와, 미리 기 저장된 기존결과데이터를 통해 이상적인 결과에 대한 기준값을 설정하고, 상기 예측데이터와 상기 기존결과데이터를 비교하였을 때 상기 이상적인 결과에 대한 기준값과 상기 예측데이터의 결과에 대한 값 사이에 오차가 발생할 경우에만 드리프트가 발생한 것으로 판단하기 위한 드리프트판단부(400)와, 상기 드리프트가 발생한 것으로 판단한 경우에 상기 기존결과데이터와 상기 예측데이터의 P-value를 계산하여 상기 P-value이 기 설정된 기준값보다 낮으면 통계적 유의성이 커져 데이터드리프트 발생으로 판단하고, 미리 저장된 상기 기존결과데이터의 특징과 결과의 선형관계에 대비하여 상기 예측데이터의 특징과 결과에 대한 관계가 비선형이면 컨셉드리프트 발생으로 판단하기 위한 드리프트분석부(500)와, 상기 데이터드리프트가 발생하였을 경우에 상기 입력데이터에 관련된 데이터를 수집하여 재학습하고, 상기 컨셉드리프트가 발생하였을 경우에 상기 입력데이터에 관련된 데이터를 수집하고 변수를 가공하여 상기 학습모델을 재훈련하여 재학습모델을 생성하기 위한 재훈련부(600)를 포함하여 구성되는 머신러닝의 드리프트 현상 탐지를 이용한 재훈련 시스템
|
| 2 |
2
청구항 1에 있어서, 상기 재훈련부(600)는, 상기 입력데이터에 관련된 데이터를 수집하기 위한 데이터수집수단(610)과, 상기 수집된 수집데이터를 통해 상기 학습모델을 재훈련하여 재학습모델을 생성하기 위한 모델학습수단(630)과, 상기 재학습모델을 저장하기 위한 모델저장수단(640)을 포함하여 구성되는 머신러닝의 드리프트 현상 탐지를 이용한 재훈련 시스템
|
| 3 |
3
청구항 2에 있어서,상기 재훈련부(600)는, 상기 드리프트분석부(500)에서 컨셉드리프트 발생으로 판단된 경우에, 상기 수집된 수집데이터를 이용하여 변수를 추출하기 위한 변수가공수단(620)을 포함하고, 상기 모델학습수단(630)은, 상기 변수를 이용하여 머신러닝을 통해 상기 학습모델을 재훈련하여 재학습모델을 생성하는 머신러닝의 드리프트 현상 탐지를 이용한 재훈련 시스템
|
| 4 |
4
청구항 3에 있어서, 상기 재훈련부(600)는, 상기 수집데이터 중 비학습된 데이터를 입력받아 상기 재학습모델을 통해 결과를 예측하고, 상기 예측된 결과에 따라 정확도를 측정하여 상기 재학습모델의 정확도를 평가하기 위한 모델평가수단(650)을 더 포함하여 구성되는 머신러닝의 드리프트 현상 탐지를 이용한 재훈련 시스템
|
| 5 |
5
컴퓨팅 시스템에 의해 수행되는 머신러닝의 드리프트 현상 탐지를 이용한 재훈련 방법에 있어서, 입력데이터로부터 검출 대상을 특정하기 위해 상기 입력데이터 내에서 바운딩 박스를 통하여 객체를 탐지하여 인식하는 객체탐지단계와, 미리 학습된 학습모델을 통해 상기 인식된 객체를 예측하여 상기 인식된 객체의 종류, 위치, 진실성 중 하나 이상을 포함한 예측데이터를 생성하는 예측결과단계와, 미리 기 저장된 기존결과데이터를 통해 이상적인 결과에 대한 기준값을 설정하고, 상기 예측데이터와 상기 기존결과데이터를 비교하였을 때 상기 이상적인 결과에 대한 기준값과 상기 예측데이터의 결과에 대한 값 사이에 오차가 발생할 경우에만 드리프트 발생을 판단하는 드리프트발생판단단계와, 상기 드리프트 발생으로 판단된 후 미리 저장된 상기 기존결과데이터의 특징과 결과의 선형관계에 대비해 상기 예측데이터의 특징과 결과에 대한 관계가 비선형일 경우에 컨셉드리프트 발생으로 판단하는 컨셉드리프트판단단계와, 상기 기존결과데이터의 특징과 상기 예측데이터의 특징과 결과에 대한 관계가 선형일 경우에 상기 기존결과데이터와 상기 예측데이터의 P-value를 계산하여 기 설정된 기준값보다 낮으면 데이터드리프트 발생으로 판단하는 데이터드리프트판단단계와, 상기 데이터드리프트가 발생하였을 경우에 상기 입력데이터에 관련된 데이터를 수집하여 재학습하고, 상기 컨셉드리프트가 발생하였을 경우에 상기 입력데이터에 관련된 데이터를 수집하고 변수를 가공하여 상기 학습모델을 재훈련하여 재학습모델을 생성하는 재훈련단계를 포함하여 구성되는 머신러닝의 드리프트 현상 탐지를 이용한 재훈련 방법
|
| 6 |
6
삭제
|
| 7 |
7
삭제
|
| 8 |
8
삭제
|
