맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

신경망 기반 이미지 압축 방법

  • 기술번호 : KST2024000267
  • 담당센터 : 경기기술혁신센터
  • 전화번호 : 031-8006-1570
상담신청 PDF 받기
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 개시된 실시 예에 따른 신경망 기반 이미지 압축 모델을 학습하는 방법은, 학습 대상 이미지를 입력 받는 단계; 가중치 파라미터를 포함하여 구성된 상기 신경망 기반 이미지 압축 모델을 통해 상기 입력 받은 이미지를 부호화하고, 상기 부호화한 이미지를 상기 신경망 기반 이미지 압축 모델을 통해 복호화하는 단계; 상기 신경망 기반 이미지 압축 모델의 네트워크 모델 가중치에 대한 엔트로피 추정 값을 산출하는 단계; 상기 학습 대상 이미지 및 상기 복호화된 이미지의 화질을 비교하여 복원 성능 수치를 산출하는 단계; 및 상기 네트워크 모델 가중치에 대한 엔트로피 추정 값 및 상기 복원 성능 수치에 기반하여 상기 신경망 기반 이미지 압축 모델의 상기 가중치 파라미터를 업데이트함으로써 상기 신경망 기반 이미지 압축 모델을 학습시키는 단계를 포함할 수 있다. 이에 따라, 신경망 기반 이미지 압축 모델의 가중치의 크기를 최소화할 수 있다.
Int. CL G06T 9/00 (2019.01.01) H04N 19/13 (2014.01.01) H04N 19/44 (2014.01.01) G06N 3/08 (2023.01.01)
CPC G06T 9/002(2013.01) H04N 19/13(2013.01) H04N 19/44(2013.01) G06N 3/08(2013.01) G06T 2207/20084(2013.01)
출원번호/일자 1020220076272 (2022.06.22)
출원인 성균관대학교산학협력단
등록번호/일자 10-2621827-0000 (2024.01.02)
공개번호/일자 10-2023-0174977 (2023.12.29) 문서열기
공고번호/일자 (20240108) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2022.06.22)
심사청구항수 6

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 성균관대학교산학협력단 대한민국 경기도 수원시 장안구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 류은석 서울특별시 강남구
2 이순빈 경기도 성남시 중원구
3 정종범 경기도 양주시

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인로얄 대한민국 서울특별시 강남구 테헤란로***길**, *층(대치동, 삼호빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 성균관대학교산학협력단 경기도 수원시 장안구
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		 2022.06.22 수리 (Accepted) 1-1-2022-0653175-61
2 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2022.12.06 수리 (Accepted) 1-1-2022-1307224-63
3 선행기술조사의뢰서
Request for Prior Art Search		 2023.02.15 수리 (Accepted) 9-1-9999-9999999-89
4 선행기술조사보고서
Report of Prior Art Search		 2023.05.17 발송처리완료 (Completion of Transmission) 9-6-2023-0142114-05
5 의견제출통지서
Notification of reason for refusal		 2023.08.21 발송처리완료 (Completion of Transmission) 9-5-2023-0758097-63
6 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2023.10.20 수리 (Accepted) 1-1-2023-1153546-71
7 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2023.10.20 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2023-1152796-00
8 특허고객번호 정보변경(경정)신고서·정정신고서
 2023.12.14 수리 (Accepted) 4-1-2023-5331701-35
9 등록결정서
Decision to grant		 2023.12.26 발송처리완료 (Completion of Transmission) 9-5-2023-1160618-71
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
신경망 기반 이미지 압축 모델을 학습하는 방법에 있어서,학습 대상 이미지를 입력 받는 단계;가중치 파라미터를 포함하여 구성된 상기 신경망 기반 이미지 압축 모델을 통해 상기 입력 받은 이미지를 부호화하고, 상기 부호화한 이미지를 상기 신경망 기반 이미지 압축 모델을 통해 복호화하는 단계;상기 신경망 기반 이미지 압축 모델의 네트워크 모델 가중치에 대한 엔트로피 추정 값을 산출하는 단계;상기 학습 대상 이미지 및 상기 복호화된 이미지의 화질을 비교하여 복원 성능 수치를 산출하는 단계; 및상기 네트워크 모델 가중치에 대한 엔트로피 추정 값 및 상기 복원 성능 수치에 기반하여 상기 신경망 기반 이미지 압축 모델의 상기 가중치 파라미터를 업데이트함으로써 상기 신경망 기반 이미지 압축 모델을 학습시키는 단계를 포함하고,상기 네트워크 모델 가중치에 대한 엔트로피 추정 값의 최소화에는 균등 분포를 추가한 아래의 수학식 3에 따른 대체 함수가 사용되고,[수학식 3]상기 균등 분포를 추가한 대체 함수는 근사치 추정 방법으로 -0
2 2
삭제
3 3
삭제
4 4
삭제
5 5
제1항에 있어서,상기 신경망 기반 이미지 압축 모델의 상기 가중치 파라미터의 업데이트는, 상기 네트워크 모델 가중치에 대한 엔트로피 추정 값을 파라미터를 통해 조절하여 수행되는, 이미지 압축 모델을 학습하는 방법
6 6
신경망 기반 이미지 압축 모델을 학습하는 방법을 이용한 부호화 방법에 있어서,인코더가 압축 대상 이미지를 입력 받는 단계; 및상기 인코더가 상기 신경망 기반 이미지 압축 모델을 통해 상기 입력 받은 압축 대상 이미지를 부호화하여 스트리밍 데이터를 생성하는 단계;를 포함하고,상기 신경망 기반 이미지 압축 모델은,학습 대상 이미지를 입력 받고, 가중치 파라미터를 포함하여 구성된 상기 신경망 기반 이미지 압축 모델을 통해 상기 학습 대상 이미지를 부호화하고, 상기 부호화한 이미지를 상기 신경망 기반 이미지 압축 모델을 통해 복호화하고, 상기 신경망 기반 이미지 압축 모델의 네트워크 모델 가중치에 대한 엔트로피 추정 값을 산출하고, 상기 학습 대상 이미지 및 상기 복호화된 이미지의 화질을 비교하여 복원 성능 수치를 산출하고, 상기 네트워크 모델 가중치에 대한 엔트로피 추정 값 및 상기 복원 성능 수치에 기반하여 상기 신경망 기반 이미지 압축 모델의 상기 가중치 파라미터를 업데이트함으로써 학습된 모델이고,상기 신경망 기반 이미지 압축 모델은,상기 네트워크 모델 가중치에 대한 엔트로피 추정 값은 최소화되도록 유도되고, 상기 네트워크 모델 가중치에 대한 엔트로피 추정 값의 최소화에는 균등 분포를 추가한 대체 함수가 사용되고, 상기 균등 분포를 추가한 대체 함수는 근사치 추정 방법으로 -0
7 7
삭제
8 8
제6항에 있어서,상기 신경망 기반 이미지 압축 모델의 상기 가중치 파라미터의 업데이트는, 상기 네트워크 모델 가중치에 대한 엔트로피 추정 값을 파라미터를 통해 조절하여 수행되는, 부호화 방법
9 9
신경망 기반 이미지 압축 모델을 학습하는 방법을 이용한 복호화 방법에 있어서,디코더가 인코더를 통해 부호화된 스트리밍 데이터를 입력 받는 단계; 및상기 디코더가 상기 신경망 기반 이미지 압축 모델을 통해 상기 스트리밍 데이터를 복호화하는 단계;를 포함하고,상기 신경망 기반 이미지 압축 모델은,학습 대상 이미지를 입력 받고, 가중치 파라미터를 포함하여 구성된 상기 신경망 기반 이미지 압축 모델을 통해 상기 학습 대상 이미지를 부호화하고, 상기 부호화한 이미지를 상기 신경망 기반 이미지 압축 모델을 통해 복호화하고, 상기 신경망 기반 이미지 압축 모델의 네트워크 모델 가중치에 대한 엔트로피 추정 값을 산출하고, 상기 학습 대상 이미지 및 상기 복호화된 이미지의 화질을 비교하여 복원 성능 수치를 산출하고, 상기 네트워크 모델 가중치에 대한 엔트로피 추정 값 및 상기 복원 성능 수치에 기반하여 상기 신경망 기반 이미지 압축 모델의 상기 가중치 파라미터를 업데이트함으로써 학습된 모델이고,상기 신경망 기반 이미지 압축 모델은,상기 네트워크 모델 가중치에 대한 엔트로피 추정 값은 최소화되도록 유도되고, 상기 네트워크 모델 가중치에 대한 엔트로피 추정 값의 최소화에는 균등 분포를 추가한 대체 함수가 사용되고, 상기 균등 분포를 추가한 대체 함수는 근사치 추정 방법으로 -0
10 10
삭제
11 11
제9항에 있어서,상기 신경망 기반 이미지 압축 모델의 상기 가중치 파라미터의 업데이트는, 상기 네트워크 모델 가중치에 대한 엔트로피 추정 값을 파라미터를 통해 조절하여 수행되는, 복호화 방법
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.