| 1 |
1
심층 생성 신경망(Deep Generative Neural Network)의 출력 데이터에 있어서의 오류를 자동으로 보정하는 방법으로서,상기 심층 생성 신경망으로 입력 데이터를 입력하여 상기 심층 생성 신경망으로부터 출력 데이터가 제공되도록 하는 단계 - 상기 심층 생성 신경망은 복수의 은닉층(hidden layers)으로 구성되며, 상기 복수의 은닉층의 각각은 복수의 내부 유닛(internal units)을 포함함 -,상기 출력 데이터를 분류기(classifier)로 입력하는 단계 - 상기 분류기는 상기 출력 데이터를 정상 데이터 및 결함 데이터 중 어느 하나로 분류하고, 상기 분류기가 상기 출력 데이터를 결함 데이터로 분류하는 경우 결함 영역 마스크를 출력함 -,상기 결함 영역 마스크를 이용하여 상기 복수의 은닉층의 적어도 하나에서의 내부 유닛들 중에서 적어도 하나를 결함 유닛으로서 결정하는 단계, 및상기 결함 유닛으로 결정된 적어도 하나의 내부 유닛을 보정하는 단계를 포함하는, 방법
|
| 2 |
2
제1항에 있어서,상기 결함 유닛으로 결정된 적어도 하나의 내부 유닛을 보정하는 단계는,상기 결함 유닛으로 결정된 적어도 하나의 내부 유닛을 보정하여 상기 심층 생성 신경망으로부터 보정된 출력 데이터가 제공되도록 하는 단계를 포함하는, 방법
|
| 3 |
3
제1항에 있어서,상기 입력 데이터는, N차원의 가우시안 분포(Gaussian distribution)로부터 선택된 N개의 숫자인 - N은 자연수임 -, 방법
|
| 4 |
4
제1항에 있어서,상기 심층 생성 신경망으로 입력 데이터를 입력하여 상기 심층 생성 신경망으로부터 출력 데이터가 제공되도록 하는 단계 이전에,상기 분류기가 상기 분류기로의 입력 신호에 응답하여 상기 입력 신호를 정상 신호 및 결함 신호 중 어느 하나로 분류하도록 상기 분류기를 학습시키는 단계를 포함하는, 방법
|
| 5 |
5
제4항에 있어서,상기 분류기가 상기 분류기로의 입력 신호에 응답하여 상기 입력 신호를 정상 신호 및 결함 신호 중 어느 하나로 분류하도록 상기 분류기를 학습시키는 단계는,복수의 정상 입력 신호 및 복수의 결함 입력 신호를 이용하여 상기 분류기를 학습시키는 단계를 포함하는, 방법
|
| 6 |
6
제4항에 있어서,상기 심층 생성 신경망으로 입력 데이터를 입력하여 상기 심층 생성 신경망으로부터 출력 데이터가 제공되도록 하는 단계 이전에,상기 분류기에 설명가능 인공지능 기술(explainable Artificial Intelligence: XAI)을 적용하여 상기 분류기가 상기 입력 신호를 결함 신호로 분류하는 경우 상기 입력 신호에 대한 결함 영역 마스크를 출력하도록 하는 단계를 더 포함하는, 방법
|
| 7 |
7
제6항에 있어서,상기 입력 신호는 영상이고,상기 입력 신호에 대한 결함 영역 마스크는 상기 영상의 픽셀들에 대응하는 픽셀들을 가지고,상기 입력 신호에 대한 결함 영역 마스크의 픽셀들의 각각은, 상기 분류기가 상기 영상을 결함 신호로 분류하게 된 데에 대해 상기 결함 영역 마스크의 해당 픽셀에 대응하는 상기 영상의 픽셀이 기여한 기여도에 비례하는 값을 가지는, 방법
|
| 8 |
8
제1항에 있어서,상기 출력 데이터는 영상이고,상기 결함 영역 마스크는 상기 영상의 픽셀들에 대응하는 픽셀들을 가지고,상기 결함 영역 마스크의 픽셀들의 각각은, 상기 분류기가 상기 영상을 결함 데이터로 분류하게 된 데에 대해 상기 결함 영역 마스크의 해당 픽셀에 대응하는 상기 영상의 픽셀이 기여한 기여도에 비례하는 값을 가지는, 방법
|
| 9 |
9
제8항에 있어서,상기 내부 유닛들의 각각은 활성화 패턴을 가지고,상기 결함 영역 마스크를 이용하여 상기 복수의 은닉층의 적어도 하나에서의 내부 유닛들 중에서 적어도 하나를 결함 유닛으로서 결정하는 단계는,상기 복수의 은닉층의 적어도 하나에서의 내부 유닛들의 각각에 대한 결함도를 결정하는 단계, 및상기 결함도들 중 가장 큰 결함도를 가지는 내부 유닛을 결함 유닛으로서 결정하는 단계를 포함하는, 방법
|
| 10 |
10
제8항에 있어서,상기 내부 유닛들의 각각은 활성화 패턴을 가지고,상기 결함 영역 마스크를 이용하여 상기 복수의 은닉층의 적어도 하나에서의 내부 유닛들 중에서 적어도 하나를 결함 유닛으로서 결정하는 단계는,상기 복수의 은닉층의 적어도 하나에서의 내부 유닛들의 각각에 대한 결함도를 결정하는 단계, 및상기 결함도들 중 가장 큰 M개의 결함도들을 각각 가지는 내부 유닛들을 결함 유닛으로서 결정하는 단계를 포함하는 - M은 자연수임 -, 방법
|
| 11 |
11
제9항 또는 제10항에 있어서,상기 복수의 은닉층의 적어도 하나에서의 내부 유닛들의 각각에 대한 결함도를 결정하는 단계는,상기 복수의 은닉층의 적어도 하나에서의 내부 유닛들의 각각의 활성화 패턴과 상기 결함 영역 마스크 간의 유사도에 기초하여 상기 복수의 은닉층의 적어도 하나에서의 상기 해당 내부 유닛에 대한 결함도를 결정하는 단계를 포함하는, 방법
|
| 12 |
12
제9항에 있어서,상기 결함 유닛으로 결정된 적어도 하나의 내부 유닛을 보정하여 상기 심층 생성 신경망으로부터 보정된 출력 데이터가 제공되도록 하는 단계는,상기 가장 큰 결함도를 가지는 내부 유닛의 활성화 패턴을 보정하는 단계를 포함하는, 방법
|
| 13 |
13
심층 생성 신경망으로부터 출력되는 결함 영상을 보정하는 방법으로서,상기 심층 생성 신경망으로 입력 벡터를 입력하는 단계 - 상기 심층 생성 신경망은 복수의 은닉층으로 구성되며, 상기 복수의 은닉층의 각각은 복수의 내부 유닛을 포함하며, 상기 심층 생성 신경망은 상기 입력 벡터에 응답하여 결함 영상을 출력함 -,상기 결함 영상을 분류기로 입력하여 결함 영역 마스크가 출력되도록 하는 단계,상기 결함 영역 마스크를 이용하여 상기 복수의 은닉층의 적어도 하나에서의 내부 유닛들 중에서 적어도 하나를 결함 유닛으로서 결정하는 단계, 및상기 결함 유닛으로 결정된 적어도 하나의 내부 유닛을 보정하는 단계를 포함하는, 방법
|
| 14 |
14
제13항에 있어서,상기 결함 유닛으로 결정된 적어도 하나의 내부 유닛을 보정하는 단계는,상기 결함 유닛으로 결정된 적어도 하나의 내부 유닛을 보정하여 상기 심층 생성 신경망으로부터 보정된 영상이 제공되도록 하는 단계를 포함하는, 방법
|
| 15 |
15
심층 생성 신경망의 출력 데이터에 있어서의 오류를 자동으로 보정하기 위한 장치로서,입력 데이터를 저장하는 데이터베이스부, 및상기 데이터베이스부에 통신가능한 방식으로 결합되고, 상기 심층 생성 신경망 및 분류기를 구현하고, 상기 데이터베이스로부터 상기 입력 데이터를 검색하여 상기 심층 생성 신경망으로 입력되게 제어하도록 구성된 프로세싱 엔진을 포함하고 - 상기 심층 생성 신경망은 복수의 은닉층으로 구성되고, 상기 복수의 은닉층의 각각은 복수의 내부 유닛을 포함함 -,상기 심층 생성 신경망은 상기 입력 데이터가 입력되는 것에 응답하여 출력 데이터를 제공하도록 구성되고,상기 프로세싱 엔진은, 상기 출력 데이터가 상기 분류기로 입력되게 제어하도록 더 구성되고 - 상기 분류기는 상기 출력 데이터를 정상 데이터 및 결함 데이터 중 어느 하나로 분류하고, 상기 분류기가 상기 출력 데이터를 결함 데이터로 분류하는 경우 결함 영역 마스크를 출력함 -,상기 프로세싱 엔진은, 상기 결함 영역 마스크를 이용하여 상기 복수의 은닉층의 적어도 하나에서의 내부 유닛들 중에서 적어도 하나를 결함 유닛으로서 결정하고, 상기 결함 유닛으로 결정된 적어도 하나의 내부 유닛을 보정하도록 더 구성되는 - 상기 심층 생성 신경망은 상기 결함 유닛으로 결정된 적어도 하나의 내부 유닛이 보정되는 것에 응답하여 보정된 출력 데이터를 제공함 -, 장치
|
| 16 |
16
제15항에 있어서,상기 프로세싱 엔진은,상기 분류기가 상기 분류기로의 입력 신호에 응답하여 상기 입력 신호를 정상 신호 및 결함 신호 중 어느 하나로 분류하도록 상기 분류기를 학습시키도록 더 구성되는, 장치
|
| 17 |
17
제16항에 있어서,상기 입력 신호는 영상이고,상기 입력 신호에 대한 결함 영역 마스크는 상기 영상의 픽셀들에 대응하는 픽셀들을 가지고,상기 입력 신호에 대한 결함 영역 마스크의 픽셀들의 각각은, 상기 분류기가 상기 영상을 결함 신호로 분류하게 된 데에 대해 상기 결함 영역 마스크의 해당 픽셀에 대응하는 상기 영상의 픽셀이 기여한 기여도에 비례하는 값을 가지는, 장치
|
| 18 |
18
제15항에 있어서,상기 출력 데이터는 영상이고,상기 결함 영역 마스크는 상기 영상의 픽셀들에 대응하는 픽셀들을 가지고,상기 결함 영역 마스크의 픽셀들의 각각은, 상기 분류기가 상기 영상을 결함 데이터로 분류하게 된 데에 대해 상기 결함 영역 마스크의 해당 픽셀에 대응하는 상기 영상의 픽셀이 기여한 기여도에 비례하는 값을 가지는, 장치
|
| 19 |
19
제18항에 있어서,상기 내부 유닛들의 각각은 활성화 패턴을 가지고,상기 프로세싱 엔진은,상기 복수의 은닉층의 적어도 하나에서의 내부 유닛들의 각각에 대한 결함도를 결정하고, 상기 결함도들 중 가장 큰 M개의 결함도들을 각각 가지는 내부 유닛들을 결함 유닛으로서 결정하도록 더 구성되는 - M은 자연수임 -, 장치
|
| 20 |
20
제19항에 있어서,상기 프로세싱 엔진은,상기 가장 큰 M개의 결함도들을 각각 가지는 내부 유닛들의 활성화 패턴들을 보정하도록 더 구성되는, 장치
|
