맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

초해상화를 수행하는 인공 신경망의 가중치를 처리하는 방법 및 장치

  • 기술번호 : KST2022008633
  • 담당센터 : 서울동부기술혁신센터
  • 전화번호 : 02-2155-3662
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 본 개시는 초해상화를 수행하는 인공 신경망의 가중치를 처리하는 방법 및 이를 수행하는 전자 장치에 관한 것이다. 일 실시 예에 의하면, 초해상화를 수행하는 인공 신경망의 가중치를 처리하는 방법은 상기 인공 신경망 내 레이어들 및 상기 레이어들 간의 연결 강도에 관한 가중치를 양자화하기 위한 보존 비율을 결정하는 단계; 상기 보존 비율에 기초하여, 상기 인공 신경망 내 레이어들 내 일부 레이어들의 양자화 비트를 결정하는 단계; 상기 결정된 양자화 비트에 기초하여 학습된 상기 인공 신경망의 정확도를 획득하는 단계; 및 상기 정확도 및 기준 상태의 상기 인공 신경망의 정확도의 차이가 작아 지도록 상기 인공 신경망 내 일부 레이어들의 양자화 비트를 갱신하는 단계; 를 포함할 수 있다.
Int. CL G06T 3/40 (2006.01.01) G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01)
CPC G06T 3/4053(2013.01) G06N 3/082(2013.01) G06N 3/04(2013.01) G06T 2207/20081(2013.01) G06T 2207/20084(2013.01)
출원번호/일자 1020200175216 (2020.12.15)
출원인 경희대학교 산학협력단
등록번호/일자
공개번호/일자 10-2022-0085280 (2022.06.22) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.12.15)
심사청구항수 17

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 경희대학교 산학협력단 대한민국 경기도 용인시 기흥구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 배성호 경기도 용인시 기흥구
2 황지원 서울특별시 강남구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인지원 대한민국 서울특별시 금천구 가산디지털*로 ***, ***호, ***호

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
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		 2020.12.15 수리 (Accepted) 1-1-2020-1360309-53
2 선행기술조사의뢰서
Request for Prior Art Search		 2022.03.15 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search		 2022.05.18 발송처리완료 (Completion of Transmission) 9-6-2022-0094155-61
4 의견제출통지서
Notification of reason for refusal		 2022.05.31 발송처리완료 (Completion of Transmission) 9-5-2022-0403335-75
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
초해상화를 수행하는 인공 신경망(Artificial Neural Network)의 가중치를 처리하는 방법에 있어서,상기 인공 신경망 내 레이어들 및 상기 레이어들 간의 연결 강도에 관한 가중치를 양자화하기 위한 보존 비율을 결정하는 단계;상기 보존 비율에 기초하여, 상기 인공 신경망 내 레이어들 내 일부 레이어들의 양자화 비트를 결정하는 단계;상기 결정된 양자화 비트에 기초하여 학습된 상기 인공 신경망의 정확도를 획득하는 단계; 및상기 정확도 및 기준 상태의 상기 인공 신경망의 정확도의 차이가 작아 지도록 상기 인공 신경망 내 일부 레이어들의 양자화 비트를 갱신하는 단계; 를 포함하는, 방법
2 2
제1항에 있어서, 상기 방법은상기 보존 비율에 기초하여, 상기 인공 신경망 내 레이어들 내 일부 레이어들을 프루닝(Pruning)함으로써, 상기 프루닝된 레이어들의 가중치를 0으로 결정하는 단계; 및상기 인공 신경망 내 프루닝된 일부 레이어들 및 상기 양자화 비트에 따라 양자화되는 가중치를 포함하는 일부 레이어들을 포함하는 인공 신경망의 정확도가 상기 기준 상태의 인공 신경망의 정확도와 유사해지도록, 상기 프루닝된 일부 레이어들 및 상기 인공 신경망 내 일부 레이어들의 양자화 비트를 갱신하는 단계; 를 포함하는, 방법
3 3
제1항에 있어서, 상기 보존 비율을 결정하는 단계는상기 인공 신경망의 학습 주기 단위에 관한 에피소드가 진행됨에 따라 상기 보존 비율을 점차적으로 줄이는 단계; 를 포함하는, 방법
4 4
제2항에 있어서, 상기 방법은소정의 에피소드가 진행되는 동안 무작위로 상기 신경망 내 적어도 일부 레이어들의 양자화 비트를 결정하는 단계;상기 소정의 에피소드가 진행되는 동안 무작위로 상기 신경망 내 적어도 일부 레이어들을 프루닝하는 단계;상기 프루닝된 일부 레이어들 및 상기 양자화 비트에 따라 양자화되는 가중치가 할당되는 일부 레이어들을 포함하는 인공 신경망의 정확도가 입력되면, 상기 인공 신경망 내 레이어들의 중요도를 출력하는 강화 학습 모델을 이용하여 상기 인공 신경망 내 레이어들의 중요도를 식별하는 단계; 및상기 식별된 중요도에 기초하여 상기 프루닝된 일부 레이어들 및 상기 일부 레이어들의 양자화 비트를 갱신하는 단계; 를 포함하는, 방법
5 5
제4항에 있어서, 상기 중요도를 식별하는 단계는상기 프루닝된 일부 레이어들 및 상기 양자화 비트에 따라 양자화되는 가중치가 할당되는 일부 레이어들을 포함하는 인공 신경망의 정확도에 더하여, 상기 기준 상태의 인공 신경망의 정확도 및 상기 인공 신경망의 상태 정보를 상기 강화 학습 모델에 더 입력함으로써, 상기 인공 신경망 내 레이어들의 중요도를 식별하는 단계; 를 포함하는, 방법
6 6
제2항에 있어서, 상기 프루닝된 일부 레이어들 및 상기 양자화 비트가 결정된 상기 일부 레이어들은, 상기 인공 신경망 내 non-linear 매핑 동작을 수행하는 레이어들인 것을 특징으로 하는, 방법
7 7
제2항에 있어서, 상기 인공 신경망은초해상화(Super-resolution)를 수행하는 딥러닝 기반 모델이고, 이미지가 입력되면 상기 입력된 이미지의 해상도를 변환하는데 사용되는 것을 특징으로 하는, 방법
8 8
제2항에 있어서, 상기 방법은상기 인공 신경망의 정보들 중 일부의 정보만을 포함하는 프록시 신경망 모델을 생성하는 단계;상기 생성된 프록시 신경망 모델 내 일부 레이어들을 프루닝하고, 상기 프록시 신경망 모델 내 일부 레이어들에 대한 양자화 비트를 결정하며, 상기 프루닝된 일부 레이어들 및 상기 일부 레이어들에 대한 양자화 비트를 최적화 하는 단계; 및상기 최적화된 양자화 비트를 가지는 일부 레이어들 및 상기 최적화된 프루닝된 일부 레이어들을 포함하는 프록시 신경망 모델을 상기 인공 신경망에 대응되도록 선형 확장하는 단계; 를 포함하는, 방법
9 9
초해상화를 수행하는 인공 신경망의 가중치를 처리하는 전자 장치에 있어서,하나 이상의 인스트럭션을 저장하는 메모리; 및상기 하나 이상의 인스트럭션들을 실행하는 적어도 하나의 프로세서; 를 포함하고,상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,상기 인공 신경망 내 레이어들 및 상기 레이어들 간의 연결 강도에 관한 가중치를 양자화하기 위한 보존 비율을 결정하고,상기 보존 비율에 기초하여, 상기 인공 신경망 내 레이어들 내 일부 레이어들의 양자화 비트를 결정하고,상기 결정된 양자화 비트에 기초하여 학습된 상기 인공 신경망의 정확도를 획득하고,상기 정확도 및 기준 상태의 상기 인공 신경망의 정확도의 차이가 작아 지도록 상기 인공 신경망 내 일부 레이어들의 양자화 비트를 갱신하는, 전자 장치
10 10
제9항에 있어서, 상기 적어도 하나의 프로세서는상기 보존 비율에 기초하여, 상기 인공 신경망 내 레이어들 내 일부 레이어들을 프루닝(Pruning)함으로써, 상기 프루닝된 레이어들의 가중치를 0으로 결정하고,상기 인공 신경망 내 프루닝된 일부 레이어들 및 상기 양자화 비트에 따라 양자화되는 가중치를 포함하는 일부 레이어들을 포함하는 인공 신경망의 정확도가 상기 기준 상태의 인공 신경망의 정확도와 유사해지도록, 상기 프루닝된 일부 레이어들 및 상기 인공 신경망 내 일부 레이어들의 양자화 비트를 갱신하는, 전자 장치
11 11
제9항에 있어서, 상기 적어도 하나의 프로세서는상기 인공 신경망의 학습 주기 단위에 관한 에피소드가 진행됨에 따라 상기 보존 비율을 점차적으로 줄이는 것을 특징으로 하는, 전자 장치
12 12
제10항에 있어서, 상기 적어도 하나의 프로세서는소정의 에피소드가 진행되는 동안 무작위로 상기 신경망 내 적어도 일부 레이어들의 양자화 비트를 결정하고,상기 소정의 에피소드가 진행되는 동안 무작위로 상기 신경망 내 적어도 일부 레이어들을 프루닝하고,상기 프루닝된 일부 레이어들 및 상기 양자화 비트에 따라 양자화되는 가중치가 할당되는 일부 레이어들을 포함하는 인공 신경망의 정확도가 입력되면, 상기 인공 신경망 내 레이어들의 중요도를 출력하는 강화 학습 모델을 이용하여 상기 인공 신경망 내 레이어들의 중요도를 식별하고,상기 식별된 중요도에 기초하여 상기 프루닝된 일부 레이어들 및 상기 일부 레이어들의 양자화 비트를 갱신하는, 전자 장치
13 13
제12항에 있어서, 상기 적어도 하나의 프로세서는상기 프루닝된 일부 레이어들 및 상기 양자화 비트에 따라 양자화되는 가중치가 할당되는 일부 레이어들을 포함하는 인공 신경망의 정확도에 더하여, 상기 기준 상태의 인공 신경망의 정확도 및 상기 인공 신경망의 상태 정보를 상기 강화 학습 모델에 더 입력함으로써, 상기 인공 신경망 내 레이어들의 중요도를 식별하는 단계; 를 포함하는, 전자 장치
14 14
제10항에 있어서, 상기 프루닝된 일부 레이어들 및 상기 양자화 비트가 결정된 상기 일부 레이어들은, 상기 인공 신경망 내 non-linear 매핑 동작을 수행하는 레이어들인 것을 특징으로 하는, 전자 장치
15 15
제10항에 있어서, 상기 인공 신경망은초해상화(Super-resolution)를 수행하는 딥러닝 기반 모델이고, 이미지가 입력되면 상기 입력된 이미지의 해상도를 변환하는데 사용되는 것을 특징으로 하는, 전자 장치
16 16
제10항에 있어서, 상기 적어도 하나의 프로세서는상기 인공 신경망의 정보들 중 일부의 정보만을 포함하는 프록시 신경망 모델을 생성하고,상기 생성된 프록시 신경망 모델 내 일부 레이어들을 프루닝하고, 상기 프록시 신경망 모델 내 일부 레이어들에 대한 양자화 비트를 결정하며, 상기 프루닝된 일부 레이어들 및 상기 일부 레이어들에 대한 양자화 비트를 최적화 하고,상기 최적화된 양자화 비트를 가지는 일부 레이어들 및 상기 최적화된 프루닝된 일부 레이어들을 포함하는 프록시 신경망 모델을 상기 인공 신경망 에 대응되도록 선형 확장하는, 전자 장치
17 17
초해상화를 수행하는 인공 신경망(Artificial Neural Network)의 가중치를 처리하는 방법에 있어서,상기 인공 신경망 내 레이어들 및 상기 레이어들 간의 연결 강도에 관한 가중치를 양자화하기 위한 보존 비율을 결정하는 단계;상기 보존 비율에 기초하여, 상기 인공 신경망 내 레이어들 내 일부 레이어들의 양자화 비트를 결정하는 단계;상기 결정된 양자화 비트에 기초하여 학습된 상기 인공 신경망의 정확도를 획득하는 단계; 및상기 정확도 및 기준 상태의 상기 인공 신경망의 정확도의 차이가 작아 지도록 상기 인공 신경망 내 일부 레이어들의 양자화 비트를 갱신하는 단계; 를 포함하는, 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 경희대학교 산학협력단 Grand ICT연구센터지원사업 라이프 컴패니온쉽 경험을 위한 지능형 인터렉션 융합 연구
2 과학기술정보통신부 성균관대학교 산학협력단 인공지능산업원천기술개발(R＆D) 사업 드론에서의 실시간 고정밀 음성 방향 탐지를 위한 딥러닝 기술 연구