랜덤한 트리 CNN에 기반한 영상 분석 방법
출원번호
1020170009869
등록번호
1019421730000
권리구분
특허권
권리기간
2017-01-20 ~ 2037-01-20
문의처
070-8065-4613
기관의 인기특허
등록된 콘텐츠가 없습니다. |
기술 정보
발명명칭
랜덤한 트리 CNN에 기반한 영상 분석 방법 및 포레스트 CNN에 기반한 영상 분석 방법
기술분야
반도체, 전기전자
거래방식
#특허판매#노하우#라이선스#연구협력
매도가격
가격 협의
문의처
070-8065-4613
기술 소개
기술개요
- 본 기술은 랜덤한 트리 CNN에 기반한 영상 분석 방법에 관한 것으로, 샘플 영상을 학습하여 랜덤한 구조를 갖는 트리 CNN을 이용하여 영상을 분석하는 기술이다.
본 기술의 트리 CNN 구조
배경기술
- 4차 산업혁명의 발전과 함께, 인공지능 기술이 주목받음과 동시에 활용성이 높아지며, 기계학습 기법을 이용한 다양한 분석 기법의 개발이 지속되고 있다.
- 특히 영상 분야에서는 CNN(Convolutional Neural Network)을 이용한 영상 인식에 대한 연구가 활발하다.
- CNN 알고리즘은 다음과 같은 매커니즘으로 구성된다.
- Convolution layer를 통한 특징(feature) 추출 Pooling layer를 통한 차원 축소 fully connected layer를 통한 최종 분류 필요 시 가장자리 ‘0’ Padding 추가 여부 검토
회전 신경망 알고리즘(출처:도리의 디지털라이프)
기존 기술의 한계
- 기존 영상 인식 방법에 있어서, 영상분류 시 서로 다른 클래스에 속한 비슷한 영상이 다수 존재하며, 그에 따라 단일모델만을 사용하는 기존 분류 방식의 영상분류 성능의 저하가 발생할 수 있다. 이에 따라 영상분류에 있어서 혼동률이 높은 클래스의 인식 성능을 개선하는 기술이 필요한 실정이다.
기술의 특징
- 본 기술은 샘플 영상을 학습하여 랜덤한 구조를 갖는 트리 CNN을 이용하여 영상을 분석하는 기법에 관한 것으로, 본 기술의 트리는 루트 노드에 속한 CNN을 시작으로 샘플 영상을 사전에 학습하면서 랜덤하게 분기되고, 트리에서 자식 노드의 CNN은 자식 노드의 부모 노드의 CNN이 학습한 샘플 영상 집합의 부분 집합을 이용하여 학습하게 된다.
- 이를 통해 본 기술은 트리 CNN에서 분류 정확도에 따라 노드를 분기하여 보다 정확한 영상 분석이 가능하다는 특징이 있다.
- 나아가 복수의 트리 CNN를 포함하는 포레스트 CNN를 사용하여 다수결의 원칙에 따라 영상 분석을 할 수도 있다.
혼동 매트릭스의 분류 예시
사업성
- 인공지능 기술의 급격한 발전과 함께 다양한 분야에서 연구가 활발하게 이루어지고 있으며, 적용 범위를 넓혀가고 있는 기계학습과 관련하여, 기계학습 분야는 벤처캐피털 투자, 사모펀드(PE) 자금조달, 합병·인수의 지적재산권(IP) 및 특허분야에서도 우위를 차지하고 있는 등 높은 기대가치를 지니고 있는 기술분야이다.
- 기계학습 시장은 2017년 기준 약 14억 달러 규모를 형성하고 있었으며, 연평균 44.1%의 고성장률을 보이며 2022년까지 약 88 억 달러 규모로 성장할 전망이다.
- 본 기술은 원하는 다중 영상 분석의 정확성을 높이는 기술로, 이러한 기계학습 분야에서 높은 적용성을 기대할 수 있다.
머신러닝 시장(출처:보안뉴스)
매도/수 절차
절차과정
연구자의 보유기술
등록된 콘텐츠가 없습니다. |