| 1 |
1
복수의 학습 데이터 셋을 사용해 인공 신경망 모델을 학습시킴으로써, 비식별화된 영상 데이터가 입력되면 비식별화된 부분이 복원된 복원 영상 데이터를 출력하는 복원 모델을 생성하는 학습 장치, 그리고상기 복원 모델을 사용해 비식별화된 영상 데이터로부터 인공지능 학습에 사용할 학습 데이터를 생성하는 영상 복원 장치를 포함하며, 상기 복수의 학습 데이터 셋 각각은, 비식별화되지 않은 원본 데이터 및 상기 원본 데이터의 적어도 일부가 비식별화 처리된 비식별화된 영상 데이터를 포함하는, 영상 처리 시스템
|
| 2 |
2
제1항에 있어서, 상기 인공 신경망 모델은, GAN(Generative Adversarial Network) 기반의 신경망 모델로서, 제1 및 제2 생성자(generator)와 제1 및 제2 판별자(discriminator)를 포함하도록 구성되며, 상기 제1 생성자는 입력되는 비식별화된 영상 데이터로부터 복원 영상 데이터를 생성하여 출력하고, 상기 제2 생성자는 상기 제1 생성자에 의해 생성된 복원 영상 데이터로부터 비식별화된 영상 데이터를 출력하며, 상기 제1 판별자는 학습 데이터 셋에 포함된 비식별화된 영상 데이터 또는 상기 제2 생성자에 의해 생성된 비식별화된 영상 데이터가 실제 영상 데이터일 확률을 판정하고, 상기 제2 판별자는 학습 데이터 셋에 포함된 원본 데이터 또는 상기 제1 생성자에 의해 생성된 복원 영상 데이터가 실제 영상 데이터일 확률을 판정하는, 영상 처리 시스템
|
| 3 |
3
제2항에 있어서,상기 학습 장치는, 상기 인공 신경망 모델의 학습이 완료되면 상기 제1 생성자를 상기 복원 모델로 저장하는, 영상 처리 시스템
|
| 4 |
4
제2항에 있어서,상기 제1 및 제2 생성자는 각각, 복수의 컨볼루션(convolution) 블록으로 구성된 인코더, 복수의 전치 컨볼루션(transposed convolution) 블록 및 컨볼루션 블록을 포함하는 디코더, 그리고상기 인코더와 상기 디코더 사이에 연결되며, 복수의 컨볼루션 블록 및 스킵 커넥션(skip connection)을 각각 포함하는 복수의 레지듀얼(residual) 블록을 포함하고, 상기 인코더를 구성하는 적어도 하나의 컨볼루션 블록, 상기 디코더를 구성하는 적어도 하나의 전치 컨볼루션 블록, 및 상기 복수의 레지듀얼 블록 각각을 구성하는 적어도 하나의 컨볼루션 블록은, 입력되는 비식별화된 영상 데이터에서 비식별화된 영역에 복원을 집중시키거나 또는 입력되는 복원 영상 데이터에서 비식별화가 필요한 부분에 비식별화를 집중시키는 집중 모듈 계층을 포함하는, 영상 처리 시스템
|
| 5 |
5
제1항에 있어서,원본 데이터로부터 비식별화 대상이 되는 적어도 하나의 객체를 검출하고, 상기 적어도 하나의 객체에 대해 비식별화 부분을 결정하며, 상기 비식별화 부분에 대해 원본 데이터가 아닌 다른 데이터를 마스킹(masking)함으로써 비식별화된 영상 데이터를 생성하는 영상 비식별화 장치를 더 포함하는 영상 처리 시스템
|
| 6 |
6
비식별화된 영상 데이터로부터 인공지능 학습에 사용할 학습 데이터를 생성하는 방법으로서, GAN 기반의 인공 신경망 모델을 구성하는 단계, 복수의 학습 데이터 셋을 사용해 상기 인공 신경망 모델을 학습시키는 단계,상기 인공 신경망 모델을 구성하는 생성자를 비식별화된 영상 데이터가 입력되면 비식별화된 부분이 복원된 복원 영상 데이터를 출력하는 복원 모델로 결정하는 단계, 그리고상기 복원 모델을 사용해 비식별화된 영상 데이터로부터 인공지능 학습에 사용할 학습 데이터를 생성하는 단계를 포함하며, 상기 복수의 학습 데이터 셋 각각은, 비식별화되지 않은 원본 데이터 및 상기 원본 데이터의 적어도 일부가 비식별화 처리된 비식별화된 영상 데이터를 포함하는, 학습 데이터 생성 방법
|
| 7 |
7
제6항에 있어서,상기 인공 신경망 모델은, 제1 및 제2 생성자와 제1 및 제2 판별자를 포함하도록 구성되며, 상기 제1 생성자는 입력되는 비식별화된 영상 데이터로부터 복원 영상 데이터를 생성하여 출력하고, 상기 제2 생성자는 상기 제1 생성자에 의해 생성된 복원 영상 데이터로부터 비식별화된 영상 데이터를 출력하며, 상기 제1 판별자는 학습 데이터 셋에 포함된 비식별화된 영상 데이터 또는 상기 제2 생성자에 의해 생성된 비식별화된 영상 데이터가 실제 영상 데이터일 확률을 판정하고, 상기 제2 판별자는 학습 데이터 셋에 포함된 원본 데이터 또는 상기 제1 생성자에 의해 생성된 복원 영상 데이터가 실제 영상 데이터일 확률을 판정하는, 학습 데이터 생성 방법
|
| 8 |
8
제7항에 있어서,상기 결정하는 단계는, 학습이 완료된 상기 제1 생성자를 상기 복원 모델로 결정하는 단계를 포함하는, 학습 데이터 생성 방법
|
| 9 |
9
제7항에 있어서,상기 제1 및 제2 생성자는 각각, 복수의 컨볼루션 블록으로 구성된 인코더, 복수의 전치 컨볼루션 블록 및 컨볼루션 블록을 포함하는 디코더, 그리고상기 인코더와 상기 디코더 사이에 연결되며, 복수의 컨볼루션 블록 및 스킵 커넥션을 각각 포함하는 복수의 레지듀얼 블록을 포함하고, 상기 인코더를 구성하는 적어도 하나의 컨볼루션 블록, 상기 디코더를 구성하는 적어도 하나의 전치 컨볼루션 블록, 및 상기 복수의 레지듀얼 블록 각각을 구성하는 적어도 하나의 컨볼루션 블록은, 입력되는 비식별화된 영상 데이터에서 비식별화된 영역에 복원을 집중시키거나 또는 입력되는 복원 영상 데이터에서 비식별화가 필요한 부분에 비식별화를 집중시키는 집중 모듈 계층을 포함하는, 학습 데이터 생성 방법
|
