맞춤기술찾기

이전대상기술

인공신경망 기반 LED 스트라이프 재구성 방법 및 장치

  • 기술번호 : KST2023005631
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
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 인공신경망 기반 LED 스트라이프 재구성(reconstruct) 방법 및 장치가 제공된다. 실시예에 의하면 샴 생성적 적대 신경망(Siamese Generative Adversarial Network)을 기반으로 인코더-디코더를 이용하여 희소한(sparse) LED 스트라이프를 재구성할 수 있다..
Int. CL H04B 10/116 (2013.01.01) H04B 10/50 (2013.01.01) G06N 3/0455 (2023.01.01) G06N 3/0464 (2023.01.01) G06N 3/08 (2023.01.01) H04N 7/22 (2006.01.01)
CPC H04B 10/116(2013.01) H04B 10/502(2013.01) G06N 3/0455(2013.01) G06N 3/0464(2013.01) G06N 3/08(2013.01) H04N 7/22(2013.01)
출원번호/일자 1020220190237 (2022.12.30)
출원인 국민대학교산학협력단
등록번호/일자
공개번호/일자 10-2023-0104046 (2023.07.07) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보 대한민국  |   1020210193973   |   2021.12.31
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2022.12.30)
심사청구항수 15

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 국민대학교산학협력단 대한민국 서울특별시 성북구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 장영민 서울특별시 강남구
2 모하마드하비부르라만 서울특별시 성북구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인 남앤남 대한민국 서울특별시 중구 서소문로**(서소문동, 정안빌딩*층)

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
2022.12.30 수리 (Accepted) 1-1-2022-1423009-41
2 선행기술조사의뢰서
Request for Prior Art Search
2023.06.16 수리 (Accepted) 9-1-9999-9999999-89
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
인공 신경망 기반 LED 스트라이프 재구성 방법으로서,입력 스트라이프 패턴을 기반으로 생성자 네트워크를 실행하여 제 1 스트라이프 패턴을 생성하는 단계;상기 제 1 스트라이프 패턴 및 상기 입력 스트라이프 패턴과 연계된 제 2 스트라이프 패턴을 기반으로 판별자 네트워크를 실행하여 상기 제 1 스트라이프 패턴 및 상기 제 2 스트라이프 패턴 간 유사도를 결정하는 단계; 및상기 유사도를 기반으로 상기 제 1 스트라이프 패턴의 진위를 판별하는 단계를 포함하는,LED 스트라이프 재구성 방법
2 2
제 1 항에 있어서,상기 생성자 네트워크는 오토 인코더-디코더 구조를 포함하는,LED 스트라이프 재구성 방법
3 3
제 1 항에 있어서,상기 생성자 네트워크 및 상기 판별자 네트워크는 생성적 적대 신경망(Generative Adversarial Network)으로 구성되는,LED 스트라이프 재구성 방법
4 4
제 1 항에 있어서,상기 판별자 네트워크는 샴 CNN(Siamese Convolutional Neural Network)를 포함하는,LED 스트라이프 재구성 방법
5 5
제 1 항에 있어서,상기 판별하는 단계는,상기 유사도에 대한 회귀 분석 결과를 기반으로 상기 제 1 스트라이프의 패턴의 진위를 예측하는 단계를 포함하는,LED 스트라이프 재구성 방법
6 6
제 1 항에 있어서,상기 진위 판별 결과를 기반으로 정의된 손실 함수를 이용하여 상기 생성자 네트워크 및 상기 판별자 네트워크의 파라미터를 업데이트하는 단계를 더 포함하는,LED 스트라이프 재구성 방법
7 7
제 1 항에 있어서,상기 입력 스트라이프 패턴은 V2V 환경에서 움직이는 LED 광원을 움직이는 카메라로 획득한 이미지이고,상기 제 2 스트라이프 패턴은 정지 상태에서 LED 광원을 정지 카메라로 획득한 이미지인,LED 스트라이프 재구성 방법
8 8
인공 신경망 기반 LED 스트라이프 재구성 장치로서,적어도 하나의 명령어를 저장하는 메모리; 및프로세서를 포함하고, 상기 적어도 하나의 명령어는 상기 프로세서에 의해 실행될 때 상기 프로세서로 하여금,입력 스트라이프 패턴을 기반으로 생성자 네트워크를 실행하여 제 1 스트라이프 패턴을 생성하고,상기 제 1 스트라이프 패턴 및 상기 입력 스트라이프 패턴과 연계된 제 2 스트라이프 패턴을 기반으로 판별자 네트워크를 실행하여 상기 제 1 스트라이프 패턴 및 상기 제 2 스트라이프 패턴 간 유사도를 획득하고,상기 유사도를 기반으로 상기 제 1 스트라이프 패턴의 진위를 판별하도록 구성되는,LED 스트라이프 재구성 장치
9 9
제 8 항에 있어서,상기 생성자 네트워크는 오토 인코더-디코더 구조를 포함하는,LED 스트라이프 재구성 장치
10 10
제 8 항에 있어서,상기 생성자 네트워크 및 상기 판별자 네트워크는 생성적 적대 신경망(Generative Adversarial Network)으로 구성되는,LED 스트라이프 재구성 장치
11 11
제 8 항에 있어서,상기 판별자 네트워크는 샴 CNN(Siamese Convolutional Neural Network)를 포함하는,LED 스트라이프 재구성 장치
12 12
제 8 항에 있어서,상기 적어도 하나의 명령어는 상기 프로세서에 의해 실행될 때 상기 프로세서로 하여금, 상기 판별을 위해,상기 유사도에 대한 회귀 분석 결과를 기반으로 상기 제 1 스트라이프의 패턴의 진위를 예측하도록 구성되는,LED 스트라이프 재구성 장치
13 13
제 8 항에 있어서,상기 적어도 하나의 명령어는 상기 프로세서에 의해 실행될 때 상기 프로세서로 하여금,상기 진위 판별 결과를 기반으로 정의된 손실 함수를 이용하여 상기 생성자 네트워크 및 상기 판별자 네트워크의 파라미터를 업데이트하도록 구성되는,LED 스트라이프 재구성 장치
14 14
제 8 항에 있어서,상기 입력 스트라이프 패턴은 V2V 환경에서 움직이는 LED 광원을 움직이는 카메라로 획득한 이미지이고,상기 제 2 스트라이프 패턴은 정지 상태에서 LED 광원을 정지 카메라로 획득한 이미지인,LED 스트라이프 재구성 장치
15 15
프로세서에 의해 제 1 항에 따른 LED 스트라이프 재구성 방법을 수행하도록 구성된 적어도 하나의 명령어를 포함한 컴퓨터 프로그램을 저장한 비 일시적 기록 매체
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 국민대학교산학협력단 정보통신방송혁신인재양성(R&D) 지능형 Internet of Energy(IoE) Data 연구