1 |
1
컨텐츠 인지 신경망을 이용하여 실시간으로 적응형 비디오를 전송하는 서버의 방법에 있어서,비디오를 다운로드 받는 과정,적어도 하나의 해상도에 따라 상기 다운로드 받은 비디오를 인코딩하는 과정,상기 인코딩된 비디오를 일정 크기로 분할하는 과정,상기 인코딩된 비디오를 컨텐츠 인식 DNN(Deep Neural Network)을 이용해 학습하는 과정, 상기 학습된 컨텐츠 인식 DNN에 관한 정보, 상기 인코딩된 비디오에 관한 정보를 포함하는 설정 파일을 생성하는 과정, 및클라이언트의 요청에 따라 상기 설정 파일을 전송하는 과정을 포함하는 방법
|
2 |
2
제1항에 있어서,상기 인코딩된 비디오에 관한 정보는,상기 인코딩된 비디오의 저장 위치, 해상도, 및 비트 전송율 중 적어도 하나를 포함하는 것을 특징으로 하는 방법
|
3 |
3
제1항에 있어서,상기 학습된 컨텐츠 인식 DNN에 관한 정보는, 상기 학습된 컨텐츠 인식 DNN의 레이어 수, 채널 수, 저장 위치, 크기, 및 향상된 품질의 정도 중 적어도 하나를 포함하는 것을 특징으로 하는 방법
|
4 |
4
제1항에 있어서,상기 컨텐츠 인식 DNN은 반드시 수행되는 필수 구성 요소와 선택적으로 수행될 수 있는 선택적 구성 요소로 구성됨을 특징으로 하는 방법
|
5 |
5
컨텐츠 인지 신경망을 이용하여 실시간으로 적응형 비디오를 전송하는 서버 장치에 있어서,비디오를 다운로드 받고, 클라이언트의 요청에 따라 설정 파일을 전송하는 송수신부와,적어도 하나의 해상도에 따라 상기 다운로드 받은 비디오를 인코딩하고, 상기 인코딩된 비디오를 일정 크기로 분할하고, 상기 인코딩된 비디오를 컨텐츠 인식 DNN(Deep Neural Network)을 이용해 학습하여, 상기 학습된 컨텐츠 인식 DNN에 관한 정보, 상기 인코딩된 비디오에 관한 정보를 포함하는 상기 설정 파일로 생성하는 제어부를 포함하는 서버 장치
|
6 |
6
제5항에 있어서, 상기 인코딩된 비디오에 관한 정보는,상기 인코딩된 비디오의 저장 위치, 해상도, 및 비트 전송율 중 적어도 하나를 포함하는 것을 특징으로 하는 서버 장치
|
7 |
7
제5항에 있어서,상기 학습된 컨텐츠 인식 DNN에 관한 정보는, 상기 학습된 컨텐츠 인식 DNN의 레이어 수, 채널 수, 저장 위치, 크기, 및 향상된 품질의 정도 중 적어도 하나를 포함하는 것을 특징으로 하는 서버 장치
|
8 |
8
제5항에 있어서,상기 컨텐츠 인식 DNN은 반드시 수행되는 필수 구성 요소와 선택적으로 수행될 수 있는 선택적 구성 요소로 구성됨을 특징으로 하는 서버 장치
|
9 |
9
컨텐츠 인지 신경망을 이용하여 실시간으로 적응형 비디오를 다운로드 받는 장치의 방법에 있어서,서버 장치로부터 다운로드 받을 비디오에 대한 설정 파일을 다운로드 받는 과정,상기 설정 파일에 저장된 정보를 이용하여 컨텐츠 인식 DNN의 수행에 필요한 추론 시간을 측정하는 과정,상기 장치의 성능과 상기 측정된 추론 시간을 이용하여 다운로드 받을 대상을 결정하는 과정,상기 결정된 대상에 대하여 상기 서버 장치로부터 다운로드 받는 과정,상기 다운로드 받은 대상이 비디오이면 버퍼에 저장하고, 상기 다운로드 받은 대상이 컨텐츠 인식 DNN의 일부이면 상기 컨텐츠 인식 DNN에 추가하는 과정, 및상기 컨텐츠 인식 DNN을 이용해 상기 버퍼에 저장된 비디오의 품질을 개선하는 과정을 포함하는 방법
|
10 |
10
제9항에 있어서,상기 품질이 개선된 비디오를 실시간으로 재생하거나 또는 전송하는 과정을 포함하는 방법
|
11 |
11
제9항에 있어서,상기 추론 시간을 측정하는 과정은, 상기 설정 파일에 저장된 컨텐츠 인식 DNN에 관한 정보를 이용해 임의로 컨텐츠 인식 DNN을 구성해 상기 컨텐츠 인식 DNN의 수행에 필요한 추론 시간을 측정하는 과정임을 특징으로 하는 방법
|
12 |
12
제9항에 있어서,상기 설정 파일은 상기 다운로드 받을 비디오의 저장 위치, 해상도, 및 비트 전송율 중 적어도 하나를 포함하는 것을 특징으로 하는 방법
|
13 |
13
제9항에 있어서,상기 설정 파일은 상기 컨텐츠 인식 DNN의 레이어 수, 채널 수, 저장 위치, 크기, 및 향상된 품질의 정도 중 적어도 하나를 포함하는 것을 특징으로 하는 방법
|
14 |
14
제9항에 있어서,상기 컨텐츠 인식 DNN은 반드시 수행되는 필수 구성 요소와 선택적으로 수행될 수 있는 선택적 구성 요소로 구성됨을 특징으로 하는 방법
|
15 |
15
제9항에 있어서,상기 다운로드 받을 대상을 결정하는 과정은,보강학습을 프레임 워크를 사용하고 A3C(asynchronous advantage actor-critic)을 딥러닝 알고리즘으로 선택하여 상기 다운로드 받을 대상을 결정하는 과정임을 특징으로 하는 방법
|
16 |
16
컨텐츠 인지 신경망을 이용하여 실시간으로 적응형 비디오를 다운로드 받는 장치에 있어서,서버 장치로부터 다운로드 받을 비디오에 대한 설정 파일을 다운로드 받고 결정된 대상에 대하여 상기 서버로부터 다운로드 받는 송수신부와상기 설정 파일에 저장된 정보를 이용하여 컨텐츠 인식 DNN의 수행에 필요한 추론 시간을 측정하여, 클라이언트의 성능과 상기 측정된 추론 시간을 이용하여 다운로드 받을 상기 대상을 결정하고, 상기 다운로드 받은 대상이 비디오이면 버퍼에 저장하고, 상기 다운로드 받은 대상이 컨텐츠 인식 DNN의 일부이면 상기 컨텐츠 인식 DNN에 추가하고, 상기 컨텐츠 인식 DNN을 이용해 상기 버퍼에 저장된 비디오의 품질을 개선하는 제어부를 포함하는 장치
|
17 |
17
제16항에 있어서,상기 제어부는,상기 품질이 개선된 비디오를 실시간으로 재생함을 특징으로 하는 장치
|
18 |
18
제16항에 있어서,상기 송수신부는,상기 품질이 개선된 비디오를 실시간으로 전송함을 특징으로 하는 장치
|
19 |
19
제16항에 있어서, 상기 제어부는,상기 설정 파일에 저장된 컨텐츠 인식 DNN에 관한 정보를 이용해 임의로 컨텐츠 인식 DNN을 구성해 상기 컨텐츠 인식 DNN의 수행에 필요한 추론 시간을 측정함을 특징으로 하는 장치
|
20 |
20
제16항에 있어서, 상기 설정 파일은 상기 다운로드 받을 비디오의 저장 위치, 해상도, 및 비트 전송율 중 적어도 하나를 포함하는 것을 특징으로 하는 장치
|
21 |
21
제16항에 있어서, 상기 설정 파일은 상기 컨텐츠 인식 DNN의 레이어 수, 채널 수, 저장 위치, 크기, 및 향상된 품질의 정도 중 적어도 하나를 포함하는 것을 특징으로 하는 장치
|
22 |
22
제16항에 있어서, 상기 컨텐츠 인식 DNN은 반드시 수행되는 필수 구성 요소와 선택적으로 수행될 수 있는 선택적 구성 요소로 구성됨을 특징으로 하는 장치
|
23 |
23
제16항에 있어서, 상기 제어부는,보강학습을 프레임 워크를 사용하고 A3C(asynchronous advantage actor-critic)을 딥러닝 알고리즘으로 선택하여 상기 다운로드 받을 대상을 결정함을 특징으로 하는 장치
|