요약 | 본 발명의 일 태양에 따르면, 이미지에 포함된 객체의 상태를 분류하는 방법에 있어서, (a) 적어도 하나의 이미지가 획득되면, 분류 장치가, Convolutional layer를 포함하는 제1 Neural Network를 이용하여 각 이미지를 학습하는 단계, (b) 상기 분류 장치가, (i) 상기 적어도 하나의 이미지에 대한 상기 제1 Neural network에 포함되는 소정의 layer의 출력값 또는 (ii) 이를 가공한 값을 포함하는 제1 feature값을 제2 Neural Network에 입력하는 단계 - 상기 제2 Neural Network는 regression network 및 classification network를 포함함 -, 및 (c) 상기 분류 장치가, (i) 상기 제2 Neural network의 상기 regression network에 포함되는 소정의 layer의 출력값 또는 이를 가공한 값, 및 (ii) 상기 제2 Neural network의 상기 classification network에 포함되는 소정의 layer의 출력값 또는 이를 가공한 값을 포함하는 제2 feature 값을 제3 Neural Network에 입력하여 출력값을 획득하고, 상기 획득된 출력값을 참조로 하여 상기 적어도 하나의 이미지가 나타내는 객체의 상태를 분류하거나 분류하도록 지원하는 단계를 포함하는 방법이 제공된다. |
---|---|
Int. CL | G06K 9/62 (2006.01.01) G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01) |
CPC | G06K 9/627(2013.01) G06K 9/627(2013.01) G06K 9/627(2013.01) G06K 9/627(2013.01) G06K 9/627(2013.01) |
출원번호/일자 | 1020160102592 (2016.08.11) |
출원인 | 서울대학교산학협력단, 서울대학교병원 |
등록번호/일자 | 10-1828011-0000 (2018.02.13) |
공개번호/일자 | |
공고번호/일자 | (20180221) 문서열기 |
국제출원번호/일자 | |
국제공개번호/일자 | |
우선권정보 | |
법적상태 | 등록 |
심사진행상태 | 수리 |
심판사항 | |
구분 | 신규 |
원출원번호/일자 | |
관련 출원번호 | |
심사청구여부/일자 | Y (2016.08.11) |
심사청구항수 | 32 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 서울대학교산학협력단 | 대한민국 | 서울특별시 관악구 |
2 | 서울대학교병원 | 대한민국 | 서울특별시 종로구 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 백명희조 | 미국 | 서울시 강남구 |
2 | 권용찬 | 대한민국 | 경상북도 포항시 남구 |
3 | 박상준 | 대한민국 | 서울시 강남구 |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 특허법인 수 | 대한민국 | 서울특별시 강남구 강남대로**길 **, *층(역삼동, 케이앤와이빌딩) |
번호 | 이름 | 국적 | 주소 |
---|---|---|---|
1 | 서울대학교산학협력단 | 서울특별시 관악구 | |
2 | 서울대학교병원 | 서울특별시 종로구 |
번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
---|---|---|---|---|
1 | [특허출원]특허출원서 [Patent Application] Patent Application |
2016.08.11 | 수리 (Accepted) | 1-1-2016-0782852-58 |
2 | [출원서등 보정]보정서 [Amendment to Patent Application, etc.] Amendment |
2016.08.12 | 수리 (Accepted) | 1-1-2016-0783249-15 |
3 | 보정요구서 Request for Amendment |
2016.08.30 | 발송처리완료 (Completion of Transmission) | 1-5-2016-0129356-12 |
4 | [지정기간연장]기간연장(단축, 경과구제)신청서 [Designated Period Extension] Application of Period Extension(Reduction, Progress relief) |
2016.09.23 | 수리 (Accepted) | 1-1-2016-0925193-33 |
5 | [지정기간연장]기간연장(단축, 경과구제)신청서 [Designated Period Extension] Application of Period Extension(Reduction, Progress relief) |
2016.10.26 | 수리 (Accepted) | 1-1-2016-1041280-41 |
6 | [지정기간연장]기간연장(단축, 경과구제)신청서 [Designated Period Extension] Application of Period Extension(Reduction, Progress relief) |
2016.11.28 | 수리 (Accepted) | 1-1-2016-1159352-18 |
7 | [지정기간연장]기간연장(단축, 경과구제)신청서 [Designated Period Extension] Application of Period Extension(Reduction, Progress relief) |
2016.12.20 | 수리 (Accepted) | 1-1-2016-1252150-18 |
8 | 지정기간연장 관련 안내서 Notification for Extension of Designated Period |
2016.12.22 | 발송처리완료 (Completion of Transmission) | 1-5-2016-0183535-44 |
9 | [지정기간연장]기간연장(단축, 경과구제)신청서 [Designated Period Extension] Application of Period Extension(Reduction, Progress relief) |
2017.01.18 | 수리 (Accepted) | 1-1-2017-0060893-19 |
10 | [지정기간연장]기간연장(단축, 경과구제)신청서 [Designated Period Extension] Application of Period Extension(Reduction, Progress relief) |
2017.02.27 | 수리 (Accepted) | 1-1-2017-0199376-41 |
11 | [지정기간연장]기간연장(단축, 경과구제)신청서 [Designated Period Extension] Application of Period Extension(Reduction, Progress relief) |
2017.03.29 | 수리 (Accepted) | 1-1-2017-0307780-30 |
12 | [출원서등 보정]보정서 [Amendment to Patent Application, etc.] Amendment |
2017.04.20 | 수리 (Accepted) | 1-1-2017-5008539-02 |
13 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2017.04.24 | 수리 (Accepted) | 4-1-2017-5063747-63 |
14 | [출원서등 보정]보정서 [Amendment to Patent Application, etc.] Amendment |
2017.05.02 | 수리 (Accepted) | 1-1-2017-0425951-86 |
15 | [출원인코드정정]출원인코드 정보변경(경정), 정정신고서 [Applicant Code Correction] Report on Change (Correction), Correction to Applicant Code Information |
2017.05.02 | 수리 (Accepted) | 1-1-2017-0425902-59 |
16 | 보정요구서 Request for Amendment |
2017.05.02 | 발송처리완료 (Completion of Transmission) | 1-5-2017-0059906-94 |
17 | [출원서등 보정]보정서 [Amendment to Patent Application, etc.] Amendment |
2017.05.10 | 수리 (Accepted) | 1-1-2017-0445301-98 |
18 | 선행기술조사의뢰서 Request for Prior Art Search |
2017.06.23 | 수리 (Accepted) | 9-1-9999-9999999-89 |
19 | 선행기술조사보고서 Report of Prior Art Search |
2017.07.11 | 수리 (Accepted) | 9-1-2017-0022055-59 |
20 | 의견제출통지서 Notification of reason for refusal |
2017.08.09 | 발송처리완료 (Completion of Transmission) | 9-5-2017-0555671-14 |
21 | [출원서등 보정]보정서 [Amendment to Patent Application, etc.] Amendment |
2017.09.25 | 수리 (Accepted) | 1-1-2017-0932443-52 |
22 | [명세서등 보정]보정서 [Amendment to Description, etc.] Amendment |
2017.09.25 | 보정승인간주 (Regarded as an acceptance of amendment) | 1-1-2017-0931801-26 |
23 | [거절이유 등 통지에 따른 의견]의견(답변, 소명)서 [Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation) |
2017.09.25 | 수리 (Accepted) | 1-1-2017-0931767-61 |
24 | 등록결정서 Decision to grant |
2018.01.26 | 발송처리완료 (Completion of Transmission) | 9-5-2018-0062813-16 |
25 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2019.05.13 | 수리 (Accepted) | 4-1-2019-5093546-10 |
26 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2019.05.23 | 수리 (Accepted) | 4-1-2019-5101798-31 |
27 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2019.08.02 | 수리 (Accepted) | 4-1-2019-5154561-59 |
28 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2019.08.19 | 수리 (Accepted) | 4-1-2019-5164229-95 |
29 | 출원인정보변경(경정)신고서 Notification of change of applicant's information |
2020.11.25 | 수리 (Accepted) | 4-1-2020-5265458-48 |
번호 | 청구항 |
---|---|
1 |
1 이미지에 포함된 객체의 상태를 분류하는 방법에 있어서, (a) 적어도 하나의 이미지가 획득되면, 분류 장치가, Convolutional layer를 포함하는 제1 Neural Network를 이용하여 각 이미지를 학습하는 단계, (b) 상기 분류 장치가, (i) 상기 적어도 하나의 이미지에 대한 상기 제1 Neural network에 포함되는 소정의 layer의 출력값 또는 (ii) 이를 가공한 값을 포함하는 제1 feature값을 제2 Neural Network에 입력하는 단계 - 상기 제2 Neural Network는 regression network 및 classification network를 포함함 -, 및(c) 상기 분류 장치가, (i) 상기 제2 Neural network의 상기 regression network에 포함되는 소정의 layer의 출력값 또는 이를 가공한 값, 및 (ii) 상기 제2 Neural network의 상기 classification network에 포함되는 소정의 layer의 출력값 또는 이를 가공한 값을 포함하는 제2 feature 값을 제3 Neural Network에 입력하여 출력값을 획득하고, 상기 획득된 출력값을 참조로 하여 상기 적어도 하나의 이미지가 나타내는 객체의 상태를 분류하거나 분류하도록 지원하는 단계를 포함하는 방법 |
2 |
2 제1항에 있어서, 상기 (b) 단계에서,상기 제1 feature 값은 서로 관련된 제1-1 feature 값과 제1-2 feature 값을 포함하며, 상기 제1-1 feature 값 및 상기 제1-2 feature 값을 상기 제2 Neural Network의 상기 regression network 및 상기 classification network에 각각 입력하여, regression 모델링 및 classification 모델링을 수행하는 것을 특징으로 하는 방법 |
3 |
3 제2항에 있어서, 상기 (c) 단계에서,상기 제2 feature 값은 상기 regression 모델링을 통해 얻어지는 regression feature인 제2-1 feature 값과 상기 classification 모델링을 통해 얻어지는 classification feature인 제2-2 feature 값을 포함하며, 상기 제2-1 feature 값 및 상기 제2-2 feature 값을 상기 제3 Neural Network에 입력하는 것을 특징으로 하는 방법 |
4 |
4 제3항에 있어서, 상기 (c) 단계에서,상기 제3 Neural Network는 상기 regression feature 를 통해 linear 한 특성 정보를 획득하고, 상기 classification feature를 통해 non-linear 한 특성 정보를 획득하는 것을 특징으로 하는 방법 |
5 |
5 제1항에 있어서, 상기 제1 feature 값은, multivariate 이미지 종류를 나타내는 값을 더 포함하는 것을 특징으로 하는 방법 |
6 |
6 제1항에 있어서, 상기 제1 Neural Network는, Max-pool layer, RMS-pool layer, Dropout layer, Fully connected layer 및 Feature-pool layer 중 적어도 하나를 포함하는 것을 특징으로 하는 방법 |
7 |
7 제1항에 있어서, 상기 제1 Neural network에 포함되는 소정의 layer는, Fully connected layer 이전 layer인 것을 특징으로 하는 방법 |
8 |
8 제7항에 있어서, 상기 제1 Neural network에 포함되는 소정의 layer는 RMS-pool layer인 것을 특징으로 하는 방법 |
9 |
9 제1항에 있어서, 상기 제2 Neural Network의 상기 regression network에 포함되는 소정의 layer 및 상기 제2 Neural Network의 상기 classification network에 포함되는 소정의 layer는, Fully connected layer 또는 Feature-pool layer인 것을 특징으로 하는 방법 |
10 |
10 제1항에 있어서, 상기 (a) 단계에서, 상기 분류 장치는, 하나의 이미지를 상이한 layer를 가지는 복수의 제1 Neural Network에 각각 입력하여 상기 하나의 이미지를 학습하는 것을 특징으로 하는 방법 |
11 |
11 제1항에 있어서, 상기 제2 feature 값은, 상기 적어도 하나의 이미지의 대상인 객체의 특징을 나타내는 정보를 더 포함하는 것을 특징으로 하는 방법 |
12 |
12 제1항에 있어서, 상기 (c) 단계에서, 상기 분류 장치는, 이미지가 나타내는 객체의 상태에 대한 분류 정보를 나타내는 continuous value 상에서 상기 획득된 출력값을 cut-off한 결과에 대응되는 분류 결과를 선택하는 것을 특징으로 하는 방법 |
13 |
13 제1항에 있어서, 상기 적어도 하나의 이미지는 객체의 안저(眼底) 이미지이고, 상기 적어도 하나의 이미지가 나타내는 객체의 상태에 대한 분류 결과는 당뇨병 증상 정도를 나타내는 것을 특징으로 하는 방법 |
14 |
14 제1항에 있어서, 상기 분류 장치는, 제1 이미지 및 제2 이미지가 획득되면, 상기 제1 Neural Network를 이용하여 상기 제1 이미지 및 상기 제2 이미지 각각을 학습하고, (i) 상기 제1 이미지에 대한 상기 제1 Neural network에 포함되는 소정의 제1 layer의 출력값 또는 이를 가공한 값 및 (ii) 상기 제2 이미지에 대한 상기 제1 Neural network에 포함되는 소정의 제2 layer의 출력값 또는 이를 가공한 값을 포함하는 제1 feature값을 상기 제2 Neural Network의 상기 regression network 및 상기 classification network에 각각 입력하는 것을 특징으로 하는 방법 |
15 |
15 제14항에 있어서, 상기 제1 이미지는 특정 객체에 대한 좌측 안저 이미지이고, 상기 제2 이미지는 상기 특정 객체에 대한 우측 안저 이미지인 것을 특징으로 하는 방법 |
16 |
16 제1항에 있어서, 상기 제2 Neural Network 및 상기 제3 Neural Network는 각각 multivariate한 특성과 ordinal한 특성을 반영하기 위한 것을 특징으로 하는 방법 |
17 |
17 이미지에 포함된 객체의 상태를 분류하는 분류 장치에 있어서,적어도 하나의 이미지를 획득하는 통신부, 및(1) Convolutional layer를 포함하는 제1 Neural Network를 이용하여 각 이미지를 학습하고, (2) (i) 상기 적어도 하나의 이미지에 대한 상기 제1 Neural network에 포함되는 소정의 layer의 출력값 또는 (ii) 이를 가공한 값을 포함하는 제1 feature값이 제2 Neural Network에 입력되고 - 상기 제2 Neural Network는 regression network 및 classification network를 포함함 -, (i) 상기 제2 Neural network의 상기 regression network에 포함되는 소정의 layer의 출력값 또는 이를 가공한 값, 및 (ii) 상기 제2 Neural network의 상기 classification network에 포함되는 소정의 layer의 출력값 또는 이를 가공한 값을 포함하는 제2 feature 값이 제3 Neural Network에 입력되면, 상기 제3 Neural Network의 출력값을 획득하고, 상기 획득된 출력값을 참조로 하여 상기 적어도 하나의 이미지가 나타내는 객체의 상태를 분류하거나 분류하도록 지원하는 프로세서를 포함하는 장치 |
18 |
18 제17항에 있어서, 상기 제1 feature 값은 서로 관련된 제1-1 feature 값과 제1-2 feature 값을 포함하며, 상기 제1-1 feature 값 및 상기 제1-2 feature 값을 상기 제2 Neural Network의 상기 regression network 및 상기 classification network에 각각 입력하여, regression 모델링 및 classification 모델링을 수행하는 것을 특징으로 하는 장치 |
19 |
19 제18항에 있어서, 상기 제2 feature 값은 상기 regression 모델링을 통해 얻어지는 regression feature인 제2-1 feature 값과 상기 classification 모델링을 통해 얻어지는 classification feature인 제2-2 feature 값을 포함하며, 상기 제2-1 feature 값 및 상기 제2-2 feature 값을 상기 제3 Neural Network에 입력하는 것을 특징으로 하는 장치 |
20 |
20 제19항에 있어서, 상기 프로세서는,상기 제3 Neural Network가 상기 regression feature 를 통해 linear 한 특성 정보를 획득하고, 상기 classification feature를 통해 non-linear 한 특성 정보를 획득하도록 하는 것을 특징으로 하는 장치 |
21 |
21 제17항에 있어서, 상기 제1 feature 값은, multivariate 이미지 종류를 나타내는 값을 더 포함하는 것을 특징으로 하는 장치 |
22 |
22 제17항에 있어서, 상기 제1 Neural Network는, Max-pool layer, RMS-pool layer, Dropout layer, Fully connected layer 및 Feature-pool layer 중 적어도 하나를 포함하는 것을 특징으로 하는 장치 |
23 |
23 제17항에 있어서, 상기 제1 Neural network에 포함되는 소정의 layer는, Fully connected layer 이전 layer인 것을 특징으로 하는 장치 |
24 |
24 제23항에 있어서, 상기 제1 Neural network에 포함되는 소정의 layer는 RMS-pool layer인 것을 특징으로 하는 장치 |
25 |
25 제17항에 있어서, 상기 제2 Neural Network의 상기 regression network에 포함되는 소정의 layer 및 상기 제2 Neural Network의 상기 classification network에 포함되는 소정의 layer는, Fully connected layer 또는 Feature-pool layer인 것을 특징으로 하는 장치 |
26 |
26 제17항에 있어서, 상기 프로세서는, 하나의 이미지를 상이한 layer를 가지는 복수의 제1 Neural Network에 각각 입력하여 상기 하나의 이미지를 학습하는 것을 특징으로 하는 장치 |
27 |
27 제17항에 있어서, 상기 제2 feature 값은, 상기 적어도 하나의 이미지의 대상인 객체의 특징을 나타내는 정보를 더 포함하는 것을 특징으로 하는 장치 |
28 |
28 제17항에 있어서, 상기 프로세서는, 이미지가 나타내는 객체의 상태에 대한 분류 정보를 나타내는 continuous value 상에서 상기 획득된 출력값을 cut-off한 결과에 대응되는 분류 결과를 선택하는 것을 특징으로 하는 장치 |
29 |
29 제17항에 있어서, 상기 적어도 하나의 이미지는 객체의 안저(眼底) 이미지이고, 상기 적어도 하나의 이미지가 나타내는 객체의 상태에 대한 분류 결과는 당뇨병 증상 정도를 나타내는 것을 특징으로 하는 장치 |
30 |
30 제17항에 있어서, 상기 프로세서는, 제1 이미지 및 제2 이미지가 획득되면, 상기 제1 Neural Network를 이용하여 상기 제1 이미지 및 상기 제2 이미지 각각을 학습하고, (i) 상기 제1 이미지에 대한 상기 제1 Neural network에 포함되는 소정의 제1 layer의 출력값 또는 이를 가공한 값 및 (ii) 상기 제2 이미지에 대한 상기 제1 Neural network에 포함되는 소정의 제2 layer의 출력값 또는 이를 가공한 값을 포함하는 제1 feature값을 상기 제2 Neural Network의 상기 regression network 및 상기 classification network에 각각 입력하도록 하는 것을 특징으로 하는 장치 |
31 |
31 제30항에 있어서, 상기 제1 이미지는 특정 객체에 대한 좌측 안저 이미지이고, 상기 제2 이미지는 상기 특정 객체에 대한 우측 안저 이미지인 것을 특징으로 하는 장치 |
32 |
32 제17항에 있어서, 상기 제2 Neural Network 및 상기 제3 Neural Network는 각각 multivariate한 특성과 ordinal한 특성을 반영하기 위한 것을 특징으로 하는 장치 |
지정국 정보가 없습니다 |
---|
패밀리정보가 없습니다 |
---|
순번 | 연구부처 | 주관기관 | 연구사업 | 연구과제 |
---|---|---|---|---|
1 | 교육부 | 분당서울대학교병원 | 기본연구지원사업(SEGER) | 딥러닝(Deep Learning) 기술을 이용한 안저사진(Fundus photo) 판독의 원천기술의 확보 및 그 응용 |
공개전문 정보가 없습니다 |
---|
특허 등록번호 | 10-1828011-0000 |
---|
표시번호 | 사항 |
---|---|
1 |
출원 연월일 : 20160811 출원 번호 : 1020160102592 공고 연월일 : 20180221 공고 번호 : 특허결정(심결)연월일 : 20180126 청구범위의 항수 : 32 유별 : G06K 9/62 발명의 명칭 : 이미지에 포함된 객체의 상태를 분류하는 방법 및 분류 장치 존속기간(예정)만료일 : |
순위번호 | 사항 |
---|---|
1 |
(권리자) 서울대학교병원 서울특별시 종로구... |
1 |
(권리자) 서울대학교산학협력단 서울특별시 관악구... |
제 1 - 3 년분 | 금 액 | 1,293,000 원 | 2018년 02월 14일 | 납입 |
번호 | 서류명 | 접수/발송일자 | 처리상태 | 접수/발송번호 |
---|---|---|---|---|
1 | [특허출원]특허출원서 | 2016.08.11 | 수리 (Accepted) | 1-1-2016-0782852-58 |
2 | [출원서등 보정]보정서 | 2016.08.12 | 수리 (Accepted) | 1-1-2016-0783249-15 |
3 | 보정요구서 | 2016.08.30 | 발송처리완료 (Completion of Transmission) | 1-5-2016-0129356-12 |
4 | [지정기간연장]기간연장(단축, 경과구제)신청서 | 2016.09.23 | 수리 (Accepted) | 1-1-2016-0925193-33 |
5 | [지정기간연장]기간연장(단축, 경과구제)신청서 | 2016.10.26 | 수리 (Accepted) | 1-1-2016-1041280-41 |
6 | [지정기간연장]기간연장(단축, 경과구제)신청서 | 2016.11.28 | 수리 (Accepted) | 1-1-2016-1159352-18 |
7 | [지정기간연장]기간연장(단축, 경과구제)신청서 | 2016.12.20 | 수리 (Accepted) | 1-1-2016-1252150-18 |
8 | 지정기간연장 관련 안내서 | 2016.12.22 | 발송처리완료 (Completion of Transmission) | 1-5-2016-0183535-44 |
9 | [지정기간연장]기간연장(단축, 경과구제)신청서 | 2017.01.18 | 수리 (Accepted) | 1-1-2017-0060893-19 |
10 | [지정기간연장]기간연장(단축, 경과구제)신청서 | 2017.02.27 | 수리 (Accepted) | 1-1-2017-0199376-41 |
11 | [지정기간연장]기간연장(단축, 경과구제)신청서 | 2017.03.29 | 수리 (Accepted) | 1-1-2017-0307780-30 |
12 | [출원서등 보정]보정서 | 2017.04.20 | 수리 (Accepted) | 1-1-2017-5008539-02 |
13 | 출원인정보변경(경정)신고서 | 2017.04.24 | 수리 (Accepted) | 4-1-2017-5063747-63 |
14 | [출원서등 보정]보정서 | 2017.05.02 | 수리 (Accepted) | 1-1-2017-0425951-86 |
15 | [출원인코드정정]출원인코드 정보변경(경정), 정정신고서 | 2017.05.02 | 수리 (Accepted) | 1-1-2017-0425902-59 |
16 | 보정요구서 | 2017.05.02 | 발송처리완료 (Completion of Transmission) | 1-5-2017-0059906-94 |
17 | [출원서등 보정]보정서 | 2017.05.10 | 수리 (Accepted) | 1-1-2017-0445301-98 |
18 | 선행기술조사의뢰서 | 2017.06.23 | 수리 (Accepted) | 9-1-9999-9999999-89 |
19 | 선행기술조사보고서 | 2017.07.11 | 수리 (Accepted) | 9-1-2017-0022055-59 |
20 | 의견제출통지서 | 2017.08.09 | 발송처리완료 (Completion of Transmission) | 9-5-2017-0555671-14 |
21 | [출원서등 보정]보정서 | 2017.09.25 | 수리 (Accepted) | 1-1-2017-0932443-52 |
22 | [명세서등 보정]보정서 | 2017.09.25 | 보정승인간주 (Regarded as an acceptance of amendment) | 1-1-2017-0931801-26 |
23 | [거절이유 등 통지에 따른 의견]의견(답변, 소명)서 | 2017.09.25 | 수리 (Accepted) | 1-1-2017-0931767-61 |
24 | 등록결정서 | 2018.01.26 | 발송처리완료 (Completion of Transmission) | 9-5-2018-0062813-16 |
25 | 출원인정보변경(경정)신고서 | 2019.05.13 | 수리 (Accepted) | 4-1-2019-5093546-10 |
26 | 출원인정보변경(경정)신고서 | 2019.05.23 | 수리 (Accepted) | 4-1-2019-5101798-31 |
27 | 출원인정보변경(경정)신고서 | 2019.08.02 | 수리 (Accepted) | 4-1-2019-5154561-59 |
28 | 출원인정보변경(경정)신고서 | 2019.08.19 | 수리 (Accepted) | 4-1-2019-5164229-95 |
29 | 출원인정보변경(경정)신고서 | 2020.11.25 | 수리 (Accepted) | 4-1-2020-5265458-48 |
기술정보가 없습니다 |
---|
과제고유번호 | 1345256106 |
---|---|
세부과제번호 | 2015R1D1A1A02062194 |
연구과제명 | 딥러닝(Deep Learning) 기술을 이용한 안저사진(Fundus photo) 판독의 원천기술의 확보 및 그 응용 |
성과구분 | 출원 |
부처명 | 교육부 |
연구관리전문기관명 | |
연구주관기관명 | |
성과제출연도 | 2016 |
연구기간 | 201611~201710 |
기여율 | 1 |
연구개발단계명 | 기초연구 |
6T분류명 | BT(생명공학기술) |
[1020160102592] | 이미지에 포함된 객체의 상태를 분류하는 방법 및 분류 장치 | 새창보기 |
---|
[KST2020011193][서울대학교] | 원단의 불량 위치 자동 검출 방법 및 이를 위한 시스템 | 새창보기 |
---|---|---|
[KST2020017350][서울대학교] | 순환형 3차원 완전 합성곱망을 활용한 초분광영상의 변화탐지 방법 | 새창보기 |
[KST2019011607][서울대학교] | 멀티 모달리티 데이터 복원을 위한 심층 개념망 구축 방법 및 그 시스템 | 새창보기 |
[KST2015158890][서울대학교] | ncRNA 서열의 컴퓨터적 동정 방법 | 새창보기 |
[KST2023002151][서울대학교] | 뉴럴 렌더링을 위한 저정밀도 하드웨어 가속기 및 그 동작 방법 | 새창보기 |
[KST2024000097][서울대학교] | 차량의 충돌안전 제어로직의 작동원인을 분석하는 시스템 및 그의 동작 방법 | 새창보기 |
[KST2023008942][서울대학교] | 봉제 불량 자동 검출 방법 및 시스템 | 새창보기 |
[KST2015136375][서울대학교] | 이중 모델링과 학습 및 폐기학습을 통한 영상 내의 물체 추적 방법 및 이를 위한 컴퓨터로 판독가능한 기록매체 | 새창보기 |
[KST2015135195][서울대학교] | 데이터 처리 장치 및 방법 | 새창보기 |
[KST2022022187][서울대학교] | 합성곱 신경망 특징맵 기반 봉제 스티치 불량 자동 검출 방법 및 시스템 | 새창보기 |
[KST2024000063][서울대학교] | 소화 기관의 3차원 맵을 생성하는 방법 및 상기 방법을 수행하는 3차원 맵 생성 장치 | 새창보기 |
[KST2023002025][서울대학교] | 미디어 스트리밍 처리 장치 및 방법 | 새창보기 |
[KST2020007521][서울대학교] | GPU 연산 기반의 딥러닝을 이용한 선호 콘텐츠 추천 장치 및 그 방법 | 새창보기 |
[KST2014050332][서울대학교] | 반복 패턴을 이용한 영상 처리 방법 및 장치 | 새창보기 |
[KST2018010450][서울대학교] | 회전된 사물 인식 방법 및 장치 | 새창보기 |
[KST2021010061][서울대학교] | 강화학습 기반의 이미지 공간 변환을 통한 이미지 분류 성능 향상 시스템 | 새창보기 |
[KST2015159050][서울대학교] | 로봇에 지능 지수를 부여하는 방법 | 새창보기 |
[KST2014053179][서울대학교] | 반복 패턴을 이용한 영상 처리 방법 및 장치 | 새창보기 |
[KST2021016127][서울대학교] | 가속기, 가속기의 동작 방법 및 이를 포함한 가속기 시스템 | 새창보기 |
[KST2022002930][서울대학교] | 소화 기관의 3차원 맵을 생성하는 방법 및 상기 방법을 수행하는 3차원 맵 생성 장치 | 새창보기 |
[KST2015136324][서울대학교] | 비고정 카메라 영상에 대한 이중모드 SGM 기반의 이동체 고속 검출 방법 및 이를 위한 컴퓨터로 판독가능한 기록매체 | 새창보기 |
[KST2022007282][서울대학교] | 발화 스타일 인코딩 네트워크 이용한 스타일 음성 합성 장치 및 음성 합성 방법 | 새창보기 |
[KST2021010204][서울대학교] | AI를 이용한 일회박출량 산출 장치 및 방법 | 새창보기 |
[KST2019021868][서울대학교] | 출석 확인 시스템 및 방법 | 새창보기 |
[KST2019020950][서울대학교] | 딥-러닝을 통한 무선신호 전파 채널 해석을 이용한 실내공간의 구조를 예측하는 방법 | 새창보기 |
[KST2023002161][서울대학교] | 강화 학습을 사용한 UAV BS 기반의 통신 방법 및 이러한 방법을 수행하는 장치 | 새창보기 |
[KST2022007902][서울대학교] | 이미지 인식 방법, 이미지 인식 장치, 이미지 전처리 장치 및 뉴럴 네트워크의 학습 방법 | 새창보기 |
[KST2024000128][서울대학교] | 기능적 분석 장치 및 방법 | 새창보기 |
[KST2022012950][서울대학교] | 사운드 기반 다중 기기 운영 모니터링 방법과 이를 위한 시스템 | 새창보기 |
[KST2023001967][서울대학교] | 합성곱 신경망을 위한 부동소수점 압축이 포함된 캐시 | 새창보기 |
심판사항 정보가 없습니다 |
---|