KR102599947B1 - 관련 이미지를 검색하기 위한 전자 장치 및 이의 제어 방법 - Google Patents
관련 이미지를 검색하기 위한 전자 장치 및 이의 제어 방법 Download PDFInfo
- Publication number
- KR102599947B1 KR102599947B1 KR1020170140805A KR20170140805A KR102599947B1 KR 102599947 B1 KR102599947 B1 KR 102599947B1 KR 1020170140805 A KR1020170140805 A KR 1020170140805A KR 20170140805 A KR20170140805 A KR 20170140805A KR 102599947 B1 KR102599947 B1 KR 102599947B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- image
- electronic device
- recognition
- search
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000014509 gene expression Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 4
- 230000002996 emotional effect Effects 0.000 claims 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 38
- 238000010801 machine learning Methods 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 27
- 239000003795 chemical substances by application Substances 0.000 description 20
- 230000006870 function Effects 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 13
- 238000003860 storage Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 230000008451 emotion Effects 0.000 description 7
- 230000008921 facial expression Effects 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 230000019771 cognition Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 230000003278 mimic effect Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000006930 Pseudomyxoma Peritonei Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 229920000306 polymethylpentene Polymers 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/54—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/04817—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance using icons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/0482—Interaction with lists of selectable items, e.g. menus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
- G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
- G06F3/04883—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures for inputting data by handwriting, e.g. gesture or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
Abstract
본 개시는 딥러닝 등의 기계 학습 알고리즘을 활용하는 인공지능(AI) 시스템 및 그 응용에 관련된 것이다. 특히, 이미지를 검색하기 위한 전자 장치의 제어 방법은, 적어도 하나의 오브젝트를 포함하는 이미지를 표시하고, 오브젝트를 선택하기 위한 사용자 입력을 감지하며, 오브젝트에 대한 정보를 획득하기 위해 학습된 인식 모델을 이용하여 사용자 입력이 감지된 지점에 표시된 오브젝트를 인식하고 인식된 오브젝트에 대한 정보를 획득하고, 오브젝트에 대한 정보를 포함하는 리스트를 표시하며, 리스트에 포함된 오브젝트에 대한 정보 중 하나가 선택되면, 선택된 정보를 바탕으로 관련 이미지를 검색하여 제공할 수 있다.
Description
본 문서는 전자 장치 및 이의 제어 방법에 관한 것으로서, 더욱 상세하게는 사용자에 의해 선택된 오브젝트와 관련된 이미지를 검색하여 사용자에게 제공하기 위한 전자 장치 및 이의 제어 방법에 관한 것이다.
또한, 본 문서는 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 인공 지능(Artificial Intelligence, AI) 시스템 및 그 응용에 관한 것이다.
전자 장치의 통신 기술 및 사용자 인터페이스가 발전함에 따라, 사용자는 장소 및 시간에 제약 없이 필요한 정보를 쉽게 전자 장치를 통하여 제공 받을 수 있다.
전자 장치가 오브젝트를 포함하는 화면을 제공하는 경우, 사용자는 제공된 오브젝트와 관련된 연관 정보를 검색하기를 원할 수 있다.
이를 위해, 사용자는 오브젝트를 별도로 저장하고, 저장된 오브젝트를 키워드로 하여 영상 검색을 수행하거나 또는 오브젝트에 관한 텍스트를 직접 입력하여 텍스트 검색을 수행할 수 있다.
또한, 근래에는 인간 수준의 지능을 구현하는 인공 지능 시스템이 다양한 분야에서 이용되고 있다. 인공 지능 시스템은 기존의 룰(rule) 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공 지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 룰 기반 스마트 시스템은 점차 딥러닝 기반 인공 지능 시스템으로 대체되고 있다.
인공 지능 기술은 기계학습(예로, 딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.
기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공 지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 오브젝트 인식, 오브젝트 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
한편, 근래의 전자 장치는 장치에 저장된 사진을 검색할 수 있는 기능을 제공하고 있다. 이때, 사용자는 사진을 찍은 날짜, 사용자가 입력한 제목, 사진을 찍은 위치 등과 같은 기준을 이용하여 사진을 검색하였다.
그러나, 이러한 검색 방법은 현재 사용자가 보고 있는 사진과 관련된 특징을 가지는 사진을 검색하는 데는 한계가 존재한다.
본 문서는 사용자가 선택한 오브젝트와 관련된 정보를 확인하고, 확인된 정보 중 사용자에 의해 선택된 정보와 관련된 이미지를 검색할 수 있는 전자 장치 및 이의 제어 방법을 제공할 수 있다.
본 개시의 일 실시예에 따른, 전자 장치의 제어 방법은, 적어도 하나의 오브젝트를 포함하는 이미지를 표시하는 단계; 오브젝트를 선택하기 위한 사용자 입력을 감지하는 단계; 오브젝트에 대한 정보를 획득하기 위해 학습된 인식 모델을 이용하여 상기 사용자 입력이 감지된 지점에 표시된 오브젝트를 인식하고 상기 인식된 오브젝트에 대한 정보를 획득하는 단계; 상기 오브젝트에 대한 정보를 포함하는 리스트를 표시하는 단계; 및 상기 리스트에 포함된 상기 오브젝트에 대한 정보 중 하나가 선택되면, 상기 선택된 정보를 바탕으로 관련 이미지를 검색하여 제공하는 단계;를 포함한다.
또한, 본 개시의 일 실시예에 따른, 전자 장치는, 디스플레이; 사용자 입력부; 상기 디스플레이 및 상기 사용자 입력부와 전기적으로 연결된 프로세서; 및 상기 프로세서에 전기적으로 연결된 메모리;를 포함하며, 상기 프로세서는, 상기 디스플레이에 적어도 하나의 오브젝트를 포함하는 이미지가 표시되는 동안 상기 사용자 입력부를 이용하여 오브젝트를 선택하기 위한 사용자 입력에 따른 입력 신호를 획득하고, 상기 입력 신호에 응답하여, 오브젝트에 대한 정보를 획득하기 위해 학습된 인식 모델을 이용하여 상기 사용자 입력이 감지된 지점에 표시된 오브젝트를 인식하고 상기 인식된 오브젝트에 대한 정보를 획득하며, 상기 오브젝트에 대한 정보를 포함하는 리스트를 표시하도록 상기 디스플레이를 제어하며, 상기 사용자 입력부를 통해 상기 리스트에 포함된 상기 오브젝트에 대한 정보 중 하나가 선택되면, 상기 선택된 정보를 바탕으로 관련 이미지를 검색하여 제공한다.
상술한 바와 같은 실시예에 의해, 사용자는 더욱 편리하고 구체적으로 현재 자신이 보고 있는 이미지와 유사한 이미지를 검색할 수 있게 된다.
또한, 사용자는 다양한 오브젝트의 정보를 바탕으로 검색식을 작성하여 이미지를 검색함으로써, 더욱 정확한 이미지 검색이 가능해 질 수 있다.
이에 따라, 사용자가 원하는 이미지의 검색의 다양성과 정확도가 높아질 수 있어 사용자의 만족도 및 편의성이 향상될 수 있다.
도 1은 본 개시의 일 실시예에 따른, 사용자에 의해 선택된 오브젝트와 관련된 이미지를 검색하기 위한 전자 장치의 사용도,
도 2a는 본 개시의 일 실시예에 따른, 전자 장치의 구성을 간략히 도시한 블록도,
도 2b는 본 개시의 일 실시예에 따른, 전자 장치의 구성을 상세히 도시한 블록도,
도 2c는 본 개시의 일 실시예에 따른, 사용자에 의해 선택된 오브젝트와 관련된 이미지를 검색하기 위한 다양한 모듈을 포함하는 블록도,
도 3 내지 도 5는 본 개시의 다양한 실시예에 따른, 사용자에 의해 선택된 오브젝트와 관련된 이미지를 검색하는 방법을 설명하기 위한 흐름도들,
도 6은 본 개시의 일 실시예에 따른, 전자 장치 내부의 이미지 중 사용자에 의해 선택된 오브젝트와 관련된 이미지를 검색하기 위한 실시예를 설명하기 위한 도면,
도 7은 본 개시의 일 실시예에 따른, 사용자에 의해 선택된 오브젝트와 관련된 외부 이미지를 검색하기 위한 실시예를 설명하기 위한 도면,
도 8은 본 개시의 다양한 실시예에 따른, 오브젝트를 선택하는 사용자 입력을 설명하기 위한 도면,
도 9a 및 도 9b는 본 개시의 일 실시예에 따른, 검색식을 이용하여 관련 이미지를 검색하는 방법을 설명하기 위한 도면,
도 10a 및 도 10b는 본 개시의 다양한 실시예에 따른, 검색 히스토리 또는 추천 키워드를 이용하여 관련 이미지를 검색하는 방법을 설명하기 위한 도면,
도 11은 본 개시의 일 실시예에 따른, 관련 이미지를 이용하여 앨범을 생성하는 방법을 설명하기 위한 도면,
도 12는 본 개시의 일 실시예에 따른, 인식 모델을 학습하고 이용하기 위한 전자 장치의 구성을 나타내는 블록도,
도 13a 및 도 13b는 본 개시의 일 실시예에 따른, 학습부 및 인식부의 구체적인 구성을 나타내는 블록도,
도 14는 본 개시의 일 실시예에 따른, 사용자에 의해 선택된 오브젝트와 관련된 이미지를 검색하는 방법을 설명하기 위한 흐름도,
도 15 내지 17은 본 개시의 다양한 실시예에 따른, 인식 모델을 이용하는 네트워크 시스템의 흐름도이다.
도 2a는 본 개시의 일 실시예에 따른, 전자 장치의 구성을 간략히 도시한 블록도,
도 2b는 본 개시의 일 실시예에 따른, 전자 장치의 구성을 상세히 도시한 블록도,
도 2c는 본 개시의 일 실시예에 따른, 사용자에 의해 선택된 오브젝트와 관련된 이미지를 검색하기 위한 다양한 모듈을 포함하는 블록도,
도 3 내지 도 5는 본 개시의 다양한 실시예에 따른, 사용자에 의해 선택된 오브젝트와 관련된 이미지를 검색하는 방법을 설명하기 위한 흐름도들,
도 6은 본 개시의 일 실시예에 따른, 전자 장치 내부의 이미지 중 사용자에 의해 선택된 오브젝트와 관련된 이미지를 검색하기 위한 실시예를 설명하기 위한 도면,
도 7은 본 개시의 일 실시예에 따른, 사용자에 의해 선택된 오브젝트와 관련된 외부 이미지를 검색하기 위한 실시예를 설명하기 위한 도면,
도 8은 본 개시의 다양한 실시예에 따른, 오브젝트를 선택하는 사용자 입력을 설명하기 위한 도면,
도 9a 및 도 9b는 본 개시의 일 실시예에 따른, 검색식을 이용하여 관련 이미지를 검색하는 방법을 설명하기 위한 도면,
도 10a 및 도 10b는 본 개시의 다양한 실시예에 따른, 검색 히스토리 또는 추천 키워드를 이용하여 관련 이미지를 검색하는 방법을 설명하기 위한 도면,
도 11은 본 개시의 일 실시예에 따른, 관련 이미지를 이용하여 앨범을 생성하는 방법을 설명하기 위한 도면,
도 12는 본 개시의 일 실시예에 따른, 인식 모델을 학습하고 이용하기 위한 전자 장치의 구성을 나타내는 블록도,
도 13a 및 도 13b는 본 개시의 일 실시예에 따른, 학습부 및 인식부의 구체적인 구성을 나타내는 블록도,
도 14는 본 개시의 일 실시예에 따른, 사용자에 의해 선택된 오브젝트와 관련된 이미지를 검색하는 방법을 설명하기 위한 흐름도,
도 15 내지 17은 본 개시의 다양한 실시예에 따른, 인식 모델을 이용하는 네트워크 시스템의 흐름도이다.
이하, 본 문서의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 문서의 실시 예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
본 문서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본 문서에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상"등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본 문서에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제 3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.
본 문서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 부프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
본 문서의 다양한 실시예들에 따른 전자 장치는, 예를 들면, 스마트폰, 태블릿 PC, 이동 전화기, 영상 전화기, 전자책 리더기, 데스크탑 PC, 랩탑 PC, 넷북 컴퓨터, 워크스테이션, 서버, PDA, PMP(portable multimedia player), MP3 플레이어, 의료기기, 카메라, 또는 웨어러블 장치 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 액세서리형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착형(예: 스킨 패드 또는 문신), 또는 생체 이식형 회로 중 적어도 하나를 포함할 수 있다. 어떤 실시예들에서, 전자 장치는, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스, 홈 오토매이션 컨트롤 패널, 보안 컨트롤 패널, 미디어 박스(예: 삼성 HomeSyncTM, 애플TVTM, 또는 구글 TVTM), 게임 콘솔(예: XboxTM, PlayStationTM), 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.
다른 실시예에서, 전자 장치는, 각종 의료기기(예: 각종 휴대용 의료측정기기(혈당 측정기, 심박 측정기, 혈압 측정기, 또는 체온 측정기 등), MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 또는 초음파기 등), 네비게이션 장치, 위성 항법 시스템(GNSS(global navigation satellite system)), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트 장치, 선박용 전자 장비(예: 선박용 항법 장치, 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛(head unit), 산업용 또는 가정용 로봇, 드론(drone), 금융 기관의 ATM, 상점의 POS(point of sales), 또는 사물 인터넷 장치 (예: 전구, 각종 센서, 스프링클러 장치, 화재 경보기, 온도조절기, 가로등, 토스터, 운동기구, 온수탱크, 히터, 보일러 등) 중 적어도 하나를 포함할 수 있다.
본 문서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.
먼저, 도 1의 (a)와 같이, 전자 장치(100)는 오브젝트(O)(예로, 아기)를 포함하는 이미지(예로, 사진)를 표시할 수 있다. 이때, 선택된 오브젝트(0)는 이미지 속에 포함된 복수의 오브젝트 중 하나일 수 있다.
오브젝트(O)와 관련된 이미지를 검색하기 위해, 전자 장치(100)는 도 1의 (a)에 도시된 바와 같이, 오브젝트(O)를 선택하는 사용자 입력을 감지할 수 있다. 예로, 전자 장치(100)는 오브젝트(O)의 일 지점을 기설정된 시간동안 터치하는 롱 프레스(long press) 터치를 감지할 수 있다. 또는 전자 장치(100)는 손가락 또는 전자 펜 등을 이용하여 오브젝트(O)를 멀티 터치하거나, 강하게 터치하거나, 오브젝트(O) 주변을 드로잉하거나, 오브젝트(O)의 적어도 일부를 경유하도록 대각선으로 드래그하는 사용자 입력을 감지할 수 있다. 또는, 전자 장치(100)는 전자 장치(100)에 구비된 버튼(예를 들어, 인공지능 기능을 실행하기 위한 버튼)을 누른 후(또는, 누르는 동안에), 오브젝트(111)를 터치하는 사용자 입력을 감지할 수 있다. 또는, 전자 장치(100)는 사전에 정의한 액션을 이용하여 오브젝트(O)를 선택하는 사용자 입력을 감지할 수 있다.
다음으로, 전자 장치(100)는 사용자 입력이 감지된 지점에 대한 정보를 바탕으로 이미지 분석을 통해 오브젝트(O)가 표시되는 오브젝트 영역을 검출할 수 있다. 이때, 검출된 오브젝트 영역은 하이라이트되어 표시되거나 또는 팝업 화면으로 표시될 수 있다. 예로, 하이라이트되어 표시된다는 것은, 예로, 다른 음영, 다른 명암 또는 보색을 갖도록 표시되거나, 오브젝트 영역의 경계를 점선 또는 실선 등으로 구분하여 표시하거나, 오브젝트 영역을 지시하는 인디케이터를 표시하는 것 등을 포함할 수 있다.
다음으로, 전자 장치(100)는 오브젝트 영역 내에 포함된 오브젝트(O)를 인식할 수 있다. 이때, 전자 장치(100)는 오브젝트를 인식하기 위해 학습된 인식 모델(예로, 오브젝트 인식 모델)을 이용하여 오브젝트 영역 내의 오브젝트(O)를 인식할 수 있다. 이때, 전자 장치(100)는 오브젝트(O)의 유형, 색, 크기 등을 인식할 수 있다.
또한, 전자 장치(100)는 인식된 오브젝트(O)에 대한 컨텍스트 정보를 인식할 수 있다. 이때, 전자 장치(100)는 오브젝트의 컨텍스트를 인식하기 위해 학습된 인식 모델(예로, 컨텍스트 인식 모델)을 이용하여 오브젝트(O)의 컨텍스트 정보를 획득할 수 있다. 이때, 오브젝트(O)의 컨텍스트 정보는 오브젝트(O)의 감정, 표정, 위치, 움직임 여부, 옷차림 등을 인식할 수 있다. 이때, 오브젝트(O)의 컨텍스트 정보는 오브젝트(O) 자체에 대한 분석을 통해 획득될 수 있으며, 이미지 중 오브젝트(O) 주위에 표시된 다른 오브젝트를 이용하여 획득될 수 있다.
전자 장치(100)가 오브젝트에 대한 정보(즉, 오브젝트의 인식 정보 및 오브젝트의 컨텍스트 정보를 모두 포함함.)를 획득한 경우, 전자 장치(100)는 도 1의 (b)에 도시된 바와 같이, 획득된 오브젝트에 대한 정보를 포함하는 리스트(L)를 표시할 수 있다. 이때, 리스트(L)는 사용자에 의해 선택된 오브젝트(O) 주위에 표시될 수 있으나, 이는 일 실시예에 불과할 뿐, 별도의 영역에 표시될 수 있다.
또한, 전자 장치(100)는 리스트(L)를 포함하는 별도의 이미지를 레이어를 생성할 수 있으며, 사용자 입력에 따라 리스트(L)가 이미지 내에서 이동 가능할 수 있다. 즉, 전자 장치(100)는 기존에 표시되는 이미지를 포함하는 그래픽 레이어에 리스트(L)를 포함하는 그래픽 레이어를 추가로 생성하여 두 그래픽 레이어를 중첩하여 디스플레이할 수 있다.
다음으로, 전자 장치(100)는 리스트(L)에 포함된 오브젝트에 대한 정보 중 하나를 선택하는 사용자 입력을 감지할 수 있다. 이때, 사용자 입력은 리스트에 포함된 오브젝트에 대한 정보 중 하나를 터치하는 사용자 입력일 수 있다.
사용자 터치가 감지된 경우, 전자 장치(100)는 선택된 오브젝트에 대한 정보와 관련된 이미지를 검색하고, 도 1의 (c)에 도시된 바와 같이, 특정 영역에 검색 결과(R)를 제공할 수 있다. 이때, 전자 장치(100)는 도 1의 (c)에 도시된 바와 같이, 기존에 표시되는 이미지의 크기를 축소시키고, 새로운 영역을 생성하여 검색 결과(R)를 제공할 수 있으나, 이는 일 실시예에 불과할 뿐, 다른 방법으로 검색 결과 (R)를 제공할 수 있다. 예를 들어, 전자 장치(100)는 기존에 표시되는 이미지 상에 별도의 팝업창을 생성하고, 팝업창 내부에 검색 결과를 제공할 수 있다. 이때, 검색 결과(R)는 썸네일 이미지로 제공될 수 있다.
특히, 전자 장치(100)에 저장된 이미지 중 선택된 오브젝트에 대한 정보와 관련된 이미지를 검색할 경우, 전자 장치(100)는 저장된 이미지의 태그 정보와 선택된 오브젝트에 대한 정보를 바탕으로 선택된 오브젝트에 대한 정보와 관련된 이미지를 검색할 수 있다. 또는 외부의 서버로부터 선택된 오브젝트에 대한 정보와 관련된 이미지를 검색할 경우, 전자 장치(100)는 선택된 오브젝트에 대한 정보를 포함하는 쿼리를 외부의 서버로 전송할 수 있다. 그리고, 전자 장치(100)는 쿼리에 응답하여 외부 서버로 검색 결과를 수신할 수 있다.
또한, 오브젝트에 대한 정보가 복수 개 선택된 경우, 전자 장치(100)는 검색식을 이용하여 선택된 오브젝트에 대한 정보와 관련된 이미지를 검색할 수 있다. 또한, 전자 장치(100)는 검색된 관련 이미지 중 적어도 일부를 선택하여 앨범을 생성할 수 있다.
한편, 본 개시의 다양한 실시예에 따르면, 전자 장치(100)는 이미지 및 사용자 입력이 감지된 지점에 대한 정보를 인식 모델에 입력 데이터로 사용하여 오브젝트에 대한 정보를 획득할 수 있다. 구체적으로, 전자 장치(100)는 오브젝트를 인식하기 위해 학습된 오브젝트 인식 모델에 이미지 및 사용자 입력이 감지된 지점에 대한 정보를 입력하여 오브젝트를 인식할 수 있다. 또한, 전자 장치(100)는 오브젝트의 컨텍스트 정보를 인식하기 위해 학습된 컨텍스트 인식 모델에 이미지 및 인식된 오브젝트에 대한 정보를 입력하여 오브젝트의 컨텍스트를 인식할 수 있다.
본 개시에서 학습된 오브젝트 인식 모델 또는 컨텍스트 인식 모델은 인식 모델의 적용 분야 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. 예로, 학습된 컨텍스트 인식 모델은 이미지 및 인식된 오브젝트에 대한 정보를 입력 데이터로 사용하여 오브젝트의 컨텍스트를 추정하도록 설정될 수 있다. 학습된 인식 모델은, 예로, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 인식 모델은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있으며 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고 받는 뉴런의 시냅틱(synaptic) 활동을 모의하도록 각각 연결 관계를 형성할 수 있다. 또한 오브젝트 인식 모델은, 일 예로, 신경망 모델, 또는 신경망 모델에서 발전한 딥 러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 깊이(또는, 레이어)에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고 받을 수 있다. 오브젝트 인식 모델의 예에는 DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 등이 있을 수 있으나 이에 한정되지 않는다.
또한, 전자 장치(100)는 상술한 바와 같은 사용자에 의해 선택된 오브젝트와 관련된 정보를 검색하기 위하여 인공지능 에이전트(Artificial intelligence agent)를 이용할 수 있다. 이때, 인공지능 에이전트는 AI(Artificial Intelligence) 기반의 서비스(예를 들어, 음성 인식 서비스, 비서 서비스, 번역 서비스, 검색 서비스 등)를 제공하기 위한 전용 프로그램으로서, 기존의 범용 프로세서(예를 들어, CPU) 또는 별도의 AI 전용 프로세서(예를 들어, GPU 등)에 의해 실행될 수 있다. 특히, 인공지능 에이전트는 후술할 다양한 모듈을 제어할 수 있다.
구체적으로, 기설정된 사용자 입력(예를 들어, 롱프레스 등)에 의해 이미지 상에 오브젝트(O)가 선택되거나 전자 장치(100)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러진 후 오브젝트(O)가 선택된 경우, 인공지능 에이전트가 동작할 수 있다. 그리고, 인공지능 에이전트는 사용자 입력을 바탕으로 오브젝트 영역을 검출하며, 검출된 오브젝트 영역을 바탕으로 오브젝트를 인식하여 오브젝트의 인식 정보를 획득할 수 있으며, 인식 모델을 통해 오브젝트의 컨텍스트 정보를 획득할 수 있다. 그리고, 인공지능 에이전트는 획득된 오브젝트에 대한 정보를 포함하는 리스트(L)를 포함하는 별도의 그래픽 레이어를 생성하고 기존에 표시된 이미지를 포함하는 그래픽 레이어 상에 표시할 수 있다. 그리고, 리스트(L)를 통해 오브젝트에 대한 정보가 선택되면, 인공지능 에이전트는 선택도니 오브젝트에 대한 정보를 바탕으로 관련 이미지를 검색할 수 있다.
물론, 화면상에 특정 아이콘이 터치되거나 전자 장치(100)에 구비된 버튼(예를 들어, 인공지능 에이전트를 실행하기 위한 버튼)이 눌러지면 인공지능 에이전트가 동작할 수도 있다. 또는, 인공지능 에이전트는 오브젝트(O)에 대해 기설정된 사용자 입력이 감지되거나 전자 장치(100)에 구비된 버튼이 선택된 이전에 기 실행된 상태일 수 있다. 이 경우, 오브젝트(111)에 대해 기설정된 사용자 입력이 감지되거나 전자 장치(100)에 구비된 버튼이 선택된 이후에는 전자 장치(100)의 인공지능 에이전트가 선택된 오브젝트에 대한 관련 이미지 검색 기능을 수행할 수 있다. 또한, 인공지능 에이전트는 오브젝트(O)에 대해 기설정된 사용자 입력이 감지되거나 전자 장치(100)에 구비된 버튼이 선택된 이전에 대기 상태일 수 있다. 여기서, 대기 상태란, 인공지능 에이전트의 동작 시작을 제어하기 위해 미리 정의된 사용자 입력이 수신되는 것을 감지하는 상태이다. 인공지능 에이전트가 대기 상태인 동안 오브젝트(O)에 대해 기설정된 사용자 입력이 감지되거나 전자 장치(100)에 구비된 버튼이 선택되면, 전자 장치(100)는 인공지능 에이전트를 동작시키고, 선택된 오브젝트에 대한 관련 이미지를 검색하여 제공할 수 있다.
한편, 인공지능 에이전트는 후술할 다양한 모듈을 제어할 수 있다. 이에 대해서는 추후 상세히 설명하기로 한다.
또한, 전자 장치(100) 및 서버 간의 학습된 인식 모델을 이용하여 오브젝트와 연관된 검색 결과를 획득하는 구체적인 예들은 이하 다양한 실시예들을 통하여 후술된다.
도 2a는, 다양한 실시예에 따른 전자 장치(100)의 블록도를 나타낸다. 전자 장치(100)는 도 2a에 도시된 바와 같이, 디스플레이(110), 메모리(120), 사용자 입력부(130) 및 프로세서(140)를 포함한다. 도 2에 도시된 구성들은 본 개시의 실시 예들을 구현하기 위한 예시도이며, 당업자에게 자명한 수준의 적절한 하드웨어/소프트웨어 구성들이 전자 장치(100)에 추가로 포함될 수 있다.
디스플레이(110)는 다양한 화면을 제공할 수 있다. 특히, 디스플레이(110)는 적어도 하나의 오브젝트를 포함하는 이미지(예를 들어, 사진)을 표시할 수 있다. 또한, 디스플레이(110)는 적어도 하나의 오브젝트 중 사용자 입력에 의해 선택된 오브젝트 주변에 오브젝트와 관련된 정보를 포함하는 리스트를 표시할 수 있다. 또한, 디스플레이(110)는 이미지와 함께 사용자에 의해 선택된 오브젝트에 대한 정보와 관련된 적어도 하나의 이미지를 표시할 수 있다.
메모리(120)는 전자 장치(100)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 저장할 수 있다. 특히, 메모리(120)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다. 메모리(120)는 프로세서(140)에 의해 액세스되며, 프로세서(140)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 본 개시에서 메모리라는 용어는 메모리(120), 프로세서(140) 내 롬(미도시), 램(미도시) 또는 전자 장치(100)에 장착되는 메모리 카드(미도시)(예를 들어, micro SD 카드, 메모리 스틱)를 포함할 수 있다. 또한, 메모리(120)에는 디스플레이부(110)의 디스플레이 영역에 표시될 각종 화면을 구성하기 위한 프로그램 및 데이터 등이 저장될 수 있다.
또한, 메모리(120)는 오브젝트에 대한 정보와 관련된 이미지를 검색하기 위한 인공지능 에이전트를 저장할 수 있으며, 본 개시의 인식 모델(예를 들어, 오브젝트 인식 모델, 컨텍스트 인식 모델 등)을 저장할 수 있다.
또한, 메모리(120)는 도 2c에 도시된 바와 같이, 이미지 획득 모듈(121), 태그 정보 획득 모듈(122), 검색 액션 감지 모듈(123), 화면 캡쳐/좌표 수집 모듈(124), 오브젝트 인식 모듈(125), 컨텍스트 인식 모듈(126), 검색 모듈(127), 검색 결과 제공 모듈(128)을 저장할 수 있다.
이미지 획득 모듈(121)은 카메라(150)를 통해 이미지가 촬영된 경우, 촬영된 이미지를 처리하여 표시가능한 형태의 이미지를 획득할 수 있다. 또한, 이미지 획득 모듈(121)은 획득된 모듈을 메모리(120)에 저장할 수 있다.
태그 정보 획득 모듈(122)은 획득된 이미지에 대한 태그 정보를 획득할 수 있다. 특히, 태그 정보 획득 모듈(122)은 도 2c에 도시된 바와 같이, 태그 정보를 추정하도록 학습된 제1 인식 모델(예를 들어, 태그 정보 인식 모델)(210)을 이용하여 태그 정보를 획득할 수 있다. 즉, 태그정보 획득 모듈(122)은 제1 인식 모델(210)에 획득된 이미지를 입력 데이터로 입력하여 획득된 이미지에 대한 태그 정보를 획득할 수 있다. 이때, 태그 정보는, 이미지에 포함된 적어도 하나의 오브젝트에 대한 정보, 컨텍스트 정보 등이 포함될 수 있다. 태그 정보는 대응되는 이미지와 매칭되어 저장될 수 있다.
검색 액션 감지 모듈(123)은 사용자 입력부(130)를 통하여 디스플레이(110)에 표시된 이미지에 포함된 오브젝트를 선택하는 사용자 입력(예로, 롱 터치, 멀티 터치, 펜 액션 등)에 따른 입력 신호를 획득할 수 있다.
검색 액션 감지 모듈(123)이 입력 신호를 획득하면, 화면 캡쳐/좌표 수집 모듈(124)는 디스플레이(110) 상에 사용자 입력이 감지된 일 지점(또는 영역)에 대응하는 좌표를 수집할 수 있다. 다른 예로, 사용자 입력부(130)로서 물리적인 버튼, 베젤 상의 터치 센서를 통하여 입력 신호가 획득되고, 사용자 입력부(130)를 통해 추가적으로 획득한 입력 신호에 따라 사용자가 선택한 디스플레이(110)의 일 지점에 대응하는 좌표를 수집할 수 있다.
또한, 화면 캡쳐/좌표 수집 모듈(124)은 화면을 캡쳐하여 캡쳐 이미지를 생성할 수 있다. 예를 들어, 외부 장치와 연동하여 관련 이미지를 검색하고자 할 경우, 화면 캡쳐/좌표 수집 모듈(124)은 현재 표시되고 있는 이미지를 캡쳐하고, 캡쳐 이미지를 외부의 컨텍스트 인식 장치에 전송할 수 있다.
오브젝트 인식 모듈(125)은 사용자에 의해 선택된 지점에 표시된 오브젝트를 인식할 수 있다. 구체적으로, 오브젝트 인식 모듈(125)은 사용자에 의해 선택된 지점에 대한 좌표값을 바탕으로 오브젝트가 표시되는 오브젝트 영역을 검출할 수 있다. 그리고, 오브젝트 인식 모듈(125)은 오브젝트를 추정하도록 학습된 제2 인식 모델(220)(예를 들어, 오브젝트 인식 모델)에 오브젝트 영역에 대한 데이터를 입력하여 오브젝트를 인식할 수 있다. 이때, 오브젝트 인식 모듈(125)은 오브젝트의 유형뿐만 아니라 오브젝트의 색, 오브젝트의 크기, 오브젝트의 이름, 오브젝트의 성별 등과 같은 오브젝트 자체에 대한 정보를 획득할 수 있다.
컨텍스트 인식 모듈(126)은 오브젝트에 대한 컨텍스트 정보를 인식할 수 있다. 구체적으로, 컨텍스트 인식 모듈(126)은 오브젝트의 컨텍스트 정보를 추정하도록 학습된 제3 인식 모델(230)(예를 들어, 컨텍스트 인식 모델)에 이미지 및 오브젝트 영역에 대한 데이터를 입력하여 오브젝트에 대한 컨텍스트 정보를 획득할 수 있다. 이때, 오브젝트에 대한 컨텍스트 정보는 오브젝트의 감정, 오브젝트의 표정,오브젝트의 위치, 오브젝트의 움직임 여부, 오브젝트의 옷차림과 같이, 오브젝트 자체에 대한 컨텍스트 정보뿐만 아니라, 오브젝트와 오브젝트 주변과의 관계 등과 같은 컨텍스트 정보 역시 포함될 수 있다.
한편, 상술한 실시예에서는 오브젝트 인식 모듈(125) 및 컨텍스트 인식 모듈(126)이 별도의 구성으로서, 서로 다른 인식 모델을 이용하여 오브젝트에 대한 정보를 획득하는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 하나의 구성(예를 들어, 오브젝트/컨텍스트 인식 모듈로 구현될 수 있으며, 이때, 오브젝트/컨텍스트 인식 모듈은 하나의 인식 모델을 통해 오브젝트 인식 정보와 오브젝트의 컨텍스트 정보를 모두 포함하는 오브젝트에 대한 정보를 획득할 수 있다.
검색 모듈(127)은 획득된 오브젝트에 대한 정보 중 사용자에 의해 선택된 정보를 바탕으로 관련 이미지를 검색할 수 있다. 일 예로, 검색 모듈(127)은 메모리(120)에 저장된 복수의 이미지에 대한 태그 정보와 선택된 정보를 바탕으로 관련 이미지를 검색할 수 있다. 즉, 검색 모듈(127)은 선택된 정보와 동일한 태그 정보를 가진 이미지 또는 선택된 정보와 관련된 태그 정보를 가진 이미지를 검색할 수 있다. 또 다른 예로, 검색 모듈(127)은 선택된 오브젝트에 대한 정보를 포함하는 쿼리를 생성하여 외부의 검색 서버에 전송할 수 있다. 그리고, 검색 모듈(127)은 외부의 검색 서버로부터 쿼리에 응답한 검색 결과를 수신할 수 있다.
검색 결과 제공 모듈(128)은 검색 모듈(127)에 의해 검색된 관련 이미지(또는 검색 결과)를 디스플레이(110) 상에 제공할 수 있다. 특히, 검색 결과 제공 모듈(128)은 검색된 관련 이미지를 디스플레이(110)에 표시된 이미지와 별도의 영역에 표시할 수 있으나, 이는 일 실시예에 불과할 뿐, 검색된 관련 이미지를 포함하는 팝업창을 생성하고, 이미지 상에 팝업창을 제공할 수 있다. 또한, 검색 결과 제공 모듈(128)은 스피커 또는 햅틱 제공부와 같은 출력 장치를 통해 검색 결과에 대한 정보를 제공할 수 있다.
한편, 상술한 제1 인식 모델(210), 제2 인식 모델(220) 및 제3 인식 모델(230)은 전자 장치(100)에 저장될 수 있으나, 이는 일 실시예에 불과할 뿐, 외부 서버에 저장될 수 있다. 또한, 복수의 인식 모델(210 내지 230) 중 적어도 두 개는 통합된 인식 모델로도 구현될 수 있다. 예를 들어, 오브젝트 인식 모델 및 컨텍스트 인식 모델은 오브젝트/컨텍스트 인식 모델로서 통합되어 구현될 수 있다. 복수의 인식 모델이 입력 데이터를 이용하여 학습하고 인식하는 방법에 대해서는 추후에 도면을 참조하여 상세히 설명하도록 한다.
다시, 도 2a에 대해 설명하면, 사용자 입력부(130)는 다양한 사용자 입력을 수신하여 프로세서(140)로 전달할 수 있다. 특히, 사용자 입력부(130)는 터치 센서, (디지털) 펜 센서, 압력 센서, 또는 키를 포함할 수 있다. 터치 센서는, 예를 들면, 정전식, 감압식, 적외선 방식, 또는 초음파 방식 중 적어도 하나의 방식을 사용할 수 있다. (디지털) 펜 센서는, 예를 들면, 터치 패널의 일부이거나, 별도의 인식용 쉬트를 포함할 수 있다. 키는, 예를 들면, 물리적인 버튼, 광학식 키, 또는 키패드를 포함할 수 있다.
특히, 사용자 입력부(130)는 오브젝트를 선택하기 위한 기설정된 사용자 터치(예를 들어, 롱프레스 터치) 또는 특정 버튼(예를 들어, 인공지능 서비스를 실행하기 위한 버튼)을 누른 후 오브젝트를 터치하는 사용자 입력에 따른 입력 신호를 획득할 수 있다. 그리고, 사용자 입력부(130)는 입력 신호를 프로세서(140)로 전송할 수 있다.
프로세서(140)는 디스플레이(110), 메모리(120) 및 사용자 입력부(130)와 전기적으로 연결되어 전자 장치(100)의 전반적인 동작 및 기능을 제어할 수 있다. 특히, 프로세서(140)는 이미지 획득 모듈(121), 태그 정보 획득 모듈(122), 검색 액션 감지 모듈(123), 화면 캡쳐/좌표 수집 모듈(124), 오브젝트 인식 모듈(125), 컨텍스트 인식 모듈(126), 검색 모듈(127), 검색 결과 제공 모듈(128) 등을 이용하여 사용자에 의해 선택된 오브젝트와 관련된 이미지를 검색하는 기능을 수행할 수 있다. 특히, 프로세서(140)는 디스플레이(110)에 적어도 하나의 오브젝트를 포함하는 이미지가 표시되는 동안 상기 사용자 입력부(130)를 이용하여 오브젝트를 선택하기 위한 사용자 입력에 따른 입력 신호를 획득하고, 입력 신호에 응답하여 오브젝트에 대한 정보를 획득하기 위해 학습된 인식 모델을 이용하여 사용자 입력이 감지된 지점에 표시된 오브젝트를 인식하고 인식된 오브젝트에 대한 정보를 획득하며, 오브젝트에 대한 정보를 포함하는 리스트를 표시하도록 디스플레이(110)를 제어하며, 사용자 입력부를 통해 리스트에 포함된 오브젝트에 대한 정보 중 하나가 선택되면 선택된 정보를 바탕으로 관련 이미지를 검색할 수 있다. 프로세서(140)가 관련 이미지를 검색하는 방법에 대해서는 추후에 상세히 설명하기로 한다.
도 2b는 본 개시의 다른 실시예에 따른, 전자 장치(100)의 구성을 상세히 도시한 블록도이다. 도 2b에 도시된 바와 같이, 전자 장치(100)는 디스플레이(110), 메모리(120), 사용자 입력부(130), 프로세서(140), 카메라(150), 통신부(160) 및 오디오 출력부(170)를 포함할 수 있다. 한편, 디스플레이(110), 메모리(120), 사용자 입력부(130)는 도 2b에서 설명하였으므로, 중복되는 설명은 생략하기로 한다.
카메라(150)는 적어도 하나의 오브젝트를 포함하는 이미지를 촬영할 수 있다. 이때, 카메라(150)는 전자 장치(100)의 전방 및 후방 중 적어도 하나에 구비될 수 있다. 한편, 카메라(150)는 전자 장치(100) 내부에 구비될 수 있으나, 이는 일 실시예에 불과할 뿐, 전자 장치(100) 외부에 존재하며, 전자 장치(100)와 유무선으로 연결될 수 있다.
통신부(160)는 다양한 유형의 통신방식에 따라 다양한 유형의 외부 기기와 통신을 수행할 수 있다. 통신부(160)는 와이파이칩(161), 블루투스 칩(162), 무선 통신 칩(163), NFC 칩(164) 중 적어도 하나를 포함할 수 있다. 프로세서(140)는 통신부(160)를 이용하여 외부 서버 또는 각종 외부 기기와 통신을 수행할 수 있다.
특히, 통신부(160)는 외부의 컨텍스트 인식 장치, 외부의 검색 서버 또는 외부의 클라우드 서버와 통신을 수행할 수 있다.
오디오 출력부(170)는 오디오 처리부(미도시)에 의해 디코딩이나 증폭, 노이즈 필터링과 같은 다양한 처리 작업이 수행된 각종 오디오 데이터뿐만 아니라 각종 알림 음이나 음성 메시지를 출력하는 구성이다. 특히, 오디오 출력부(170)는 스피커로 구현될 수 있으나, 이는 일 실시 예에 불과할 뿐, 오디오 데이터를 출력할 수 있는 출력 단자로 구현될 수 있다.
특히, 오디오 출력부(170)는 검색 결과에 대한 정보를 오디오 형태로 사용자에게 제공할 수 있다.
프로세서(140)(또는, 제어부)는 메모리(120)에 저장된 각종 프로그램을 이용하여 전자 장치(100)의 전반적인 동작을 제어할 수 있다.
프로세서(140)는 RAM(141), ROM(142), 그래픽 처리부(143), 메인 CPU(144), 제1 내지 n 인터페이스(145-1~145-n), 버스(146)로 구성될 수 있다. 이때, RAM(141), ROM(142), 그래픽 처리부(143), 메인 CPU(144), 제1 내지 n 인터페이스(145-1~145-n) 등은 버스(146)를 통해 서로 연결될 수 있다.
도 3은 본 개시의 일 실시예에 따른, 전자 장치가 오브젝트와 관련된 이미지를 검색하는 방법을 설명하기 위한 도면이다. 특히, 본 실시예는 갤러리 어플리케이션이 실행하는 동안 이미지가 표시될 때, 이미지 안에 포함된 오브젝트와 관련된 이미지를 검색하는 실시예일 수 있다.
우선, 전자 장치(100)는 태그 정보를 포함하는 복수의 이미지를 저장할 수 있다(S310). 구체적으로, 전자 장치(100)는 이미지를 획득할 때, 태그 정보 인식 모델에 획득된 이미지를 입력하여 이미지에 포함된 오브젝트에 대한 정보 및 컨텍스트 정보를 인식하고, 획득된 오브젝트에 대한 정보 및 컨텍스트 정보를 태그 정보로 획득하여 이미지와 함께 저장할 수 있다. 또는, 전자 장치(100)는 외부로부터 이미지를 획득할 때, 이미지에 대한 태그 정보를 함께 수신하여 저장할 수 있다.
전자 장치(100)는 복수의 이미지 중 적어도 하나의 오브젝트를 포함하는 이미지를 표시할 수 있다(S320). 이때, 전자 장치(100)는 갤러리 어플리케이션을 실행하고, 갤러리 어플리케이션이 실행하는 동안 적어도 하나의 오브젝트를 포함하는 이미지를 표시할 수 있다.
전자 장치(100)는 오브젝트를 선택하기 위한 사용자 입력을 감지할 수 있다(S330). 이때, 오브젝트를 선택하기 위한 사용자 입력은 오브젝트가 표시된 영역 중 일 지점을 일정 시간 이상 터치하는 롱프레스 터치, 오브젝트가 표시된 영역 중 일 지점을 복수회 터치하는 멀티 터치, 오브젝트가 표시된 영역을 드로잉하는 드로잉 터치 등일 수 있다. 특히, 전자 장치(100)는 오브젝트를 선택하기 위한 사용자 입력이 감지되면, 인공지능 에이전트를 실행시킬 수 있다.
전자 장치(100)는 인식 모델을 이용하여 사용자 입력이 감지된 지점에 표시된 오브젝트를 인식하고, 인식된 오브젝트에 대한 정보를 획득할 수 있다(S340). 구체적으로, 전자 장치(100)는 사용자 입력이 감지된 지점의 좌표값을 바탕으로 오브젝트가 표시된 오브젝트 영역을 검출하고, 검출된 오브젝트 영역을 오브젝트 인식 모델에 입력하여 오브젝트 영역에 표시된 오브젝트를 인식할 수 있다. 이때, 전자 장치(100)는 오브젝트에 대한 인식 정보(예를 들어, 오브젝트의 유형, 색, 크기, 성별, 이름 등)를 획득할 수 있다. 또한, 전자 장치(100)는 오브젝트 영역 및 이미지에 대한 데이터를 컨텍스트 인식 모델에 입력하여 오브젝트의 컨텍스트 정보(예를 들어, 오브젝트의 감정, 표정, 옷차림, 이동 여부 등)를 획득할 수 있다.
전자 장치(100)는 오브젝트에 대한 정보를 포함하는 리스트를 표시할 수 있다(S350). 이때, 전자 장치(100)는 선택된 오브젝트 주위에 오브젝트에 대한 정보를 포함하는 리스트를 표시할 수 있다. 또한, 전자 장치(100)는 적어도 하나를 포함하는 이미지와 다른 그래픽 레이어를 생성하여 리스트를 표시할 수 있다.
전자 장치(100)는 리스트에 포함된 오브젝트에 대한 정보 중 하나를 선택하는 사용자 입력을 감지할 수 있다(S360).
전자 장치(100)는 저장된 복수의 이미지 중 선택된 오브젝트에 대한 정보와 관련된 태그 정보를 가지는 관련 이미지를 검색할 수 있다(S370). 구체적으로, 전자 장치(100)는 선택된 오브젝트에 대한 정보와 동일한 태그 정보를 가지거나, 선택된 오브젝트에 대한 정보와 관련된 태그 정보를 가지는 관련 이미지를 검색할 수 있다. 예를 들어, 사용자에 의해 선택된 오브젝트에 대한 정보가 "웃는 아기"인 경우, 전자 장치(100)는 "웃는 아기"와 동일한 태그 정보를 가지거나 "웃는 아기"와 관련된 태그 정보(예를 들어, 아기 웃음, 아기 미소 등)를 가지는 관련 이미지를 검색할 수 있다.
전자 장치(100)는 검색된 관련 이미지를 제공할 수 있다(S380). 구체적으로, 전자 장치(100)는 현재 표시되는 이미지의 크기를 감소시키고, 검색된 관련 이미지를 표시하는 검색 영역을 생성하여 검색 영역에 검색된 관련 이미지를 표시할 수 있다.
도 4는 본 개시의 일 실시예에 따른, 컨텍스트 인식 장치를 통해 오브젝트에 대한 정보를 획득하는 실시예를 설명하기 위한 도면이다. 이때, 컨텍스트 인식 장치(10)는 전자 장치(100)와 통신 연결된 외부 서버일 수 있다.
전자 장치(100)는 복수의 이미지 중 적어도 하나의 오브젝트를 포함하는 이미지를 표시할 수 있다(S410). 이때, 전자 장치(100)는 갤러리 어플리케이션이 실행하는 동안 적어도 하나의 오브젝트를 포함하는 이미지를 표시할 수 있으며, 웹 어플리케이션이 실행하는 동안 웹 페이지에 포함된 이미지를 표시할 수 있다.
전자 장치(100)는 오브젝트를 선택하기 위한 사용자 입력을 감지할 수 있다(S420). 이때, 오브젝트를 선택하기 위한 사용자 입력은 오브젝트가 표시된 영역 중 일 지점을 일정 시간 이상 터치하는 롱프레스 터치, 오브젝트가 표시된 영역 중 일 지점을 복수회 터치하는 멀티 터치, 오브젝트가 표시된 영역을 드로잉하는 드로잉 터치 등일 수 있으나, 이에 한정되는 것은 아니다.
전자 장치(100)는 컨텍스트 인식 장치(10)로 이미지 및 사용자 입력이 감지된 지점에 대한 정보를 전송할 수 있다(S430). 구체적으로, 전자 장치(100)는 오브젝트에 대한 정보를 획득하기 위하여, 이미지 데이터 및 사용자 입력이 감지된 지점의 좌표값 정보를 외부의 컨텍스트 인식 장치(10)로 전송할 수 있다.
컨텍스트 인식 장치(10)는 제1 인식 모델(예로, 오브젝트 인식 모델)을 이용하여 사용자 입력이 감지된 오브젝트를 인식할 수 있다(S440). 구체적으로, 컨텍스트 인식 장치(10)는 이미지 및 사용자 입력이 감지된 지점에 대한 정보를 바탕으로 사용자 입력이 감지된 오브젝트 영역을 검출할 수 있다. 오브젝트 영역이 검출되면, 컨텍스트 인식 장치(10)는 오브젝트 인식 모델에 오브젝트 영역 내의 이미지 데이터를 입력하여 오브젝트를 인식할 수 있다. 이때, 컨텍스트 인식 장치(10)는 오브젝트를 인식하여 오브젝트에 대한 인식 정보(예를 들어, 오브젝트의 유형, 오브젝트의 색, 오브젝트의 크기, 오브젝트의 이름, 오브젝트의 성별 등)를 획득할 수 있다.
다양한 실시예로, 전자 장치(100)가 오브젝트 영역을 검출한 후, 오브젝트 영역에 대한 정보 및 이미지 데이터를 컨텍스트 인식 장치(10)에 전송하고, 컨텍스트 인식 장치(10)가 오브젝트 영역에 대한 정보 및 이미지 데이터를 바탕으로 오브젝트에 대한 정보를 획득할 수 있다.
컨텍스트 인식 장치(10)는 제2 인식 모델(예로, 컨텍스트 인식 모델)을 이용하여 오브젝트의 컨텍스트 정브를 획득할 수 있다(S450). 구체적으로, 컨텍스트 인식 장치(10)는 이미지 데이터 및 오브젝트에 대한 인식 정보를 컨텍스트 인식 모델에 입력하여 오브젝트의 컨텍스트 정보(예를 들어, 오브젝트의 표정, 감정, 옷차림, 이동 여부, 주위 오브젝트와의 관계 등)를 획득할 수 있다.
컨텍스트 인식 장치(10)는 획득된 오브젝트에 대한 정보를 전자 장치(100)에 전송할 수 있다(S460). 이때, 오브젝트에 대한 정보는 오브젝트에 대한 인식 정보 및 오브젝트에 대한 컨텍스트 정보를 포함할 수 있다.
전자 장치(100)는 오브젝트에 대한 정보를 포함하는 리스트를 표시할 수 있다(S470). 이때, 전자 장치(100)는 오브젝트에 대한 정보에 대한 정보를 포함하는 리스트를 선택된 오브젝트 주위에 표시할 수 있다.
전자 장치(100)는 리스트에 포함된 오브젝트에 대한 정보 중 하나를 선택하는 사용자 입력을 감지할 수 있다(S480).
전자 장치(100)는 선택된 오브젝트에 대한 정보를 바탕으로 관련 이미지를 검색할 수 있다(S349). 구체적으로, 전자 장치(100)는 저장된 복수의 이미지 중 선택된 오브젝트에 대한 정보와 관련된 태그 정보를 가지는 관련 이미지를 검색할 수 있으며, 선택된 오브젝트에 대한 정보를 포함하는 쿼리를 외부 검색 서버에 전송하여 관련 이미지를 검색할 수 있다.
도 5는 본 개시의 일 실시예에 따른, 컨텍스트 인식 장치를 통해 오브젝트에 대한 정보를 획득하고, 컨텐츠 검색 장치를 통해 관련 이미지를 검색하는 실시예를 설명하기 위한 도면이다. 특히, 본 실시예는 웹 어플리케이션이 실행하는 동안 이미지가 표시될 때, 이미지 안에 포함된 오브젝트와 관련된 이미지를 검색하는 실시예일 수 있다. 이때, 컨텍스트 인식 장치(10) 및 컨텐츠 검색 장치(20)는 전자 장치(100)와 통신 연결된 외부 서버일 수 있으며, 별개의 서버로 구현될 수 있으나, 이는 일 실시예에 불과할 뿐, 하나의 서버로 구현될 수 있다.
전자 장치(100)는 복수의 이미지 중 적어도 하나의 오브젝트를 포함하는 이미지를 표시할 수 있다(S505). 이때, 전자 장치(100)는 웹 어플리케이션이 실행하는 동안 웹 페이지에 포함된 이미지를 표시할 수 있다.
전자 장치(100)는 오브젝트를 선택하기 위한 사용자 입력을 감지할 수 있다(S510). 이때, 오브젝트를 선택하기 위한 사용자 입력은 상술한 바와 같이, 롱프레스 터치, 멀티 터치, 드로잉 터치 등일 수 있으나, 이에 한정되는 것은 아니다. 한편, 또 다른 실시예로, 전자 장치(100)는 오브젝트를 선택하기 위한 사용자 입력을 감지한 경우, 현재 표시되는 페이지를 캡쳐하여 캡쳐 이미지를 획득할 수 있다.
전자 장치(100)는 컨텍스트 인식 장치(10)로 이미지 및 사용자 입력이 감지된 지점에 대한 정보를 전송할 수 있다(S515). 구체적으로, 전자 장치(100)는 오브젝트에 대한 정보를 획득하기 위하여, 캡쳐 이미지 및 사용자 입력이 감지된 지점의 좌표값 정보를 외부의 컨텍스트 인식 장치(10)로 전송할 수 있다.
컨텍스트 인식 장치(10)는 제1 인식 모델(예로, 오브젝트 인식 모델)을 이용하여 사용자 입력이 감지된 오브젝트를 인식할 수 있다(S520). 구체적으로, 컨텍스트 인식 장치(10)는 캡쳐 이미지 및 사용자 입력이 감지된 지점에 대한 정보를 바탕으로 사용자 입력이 감지된 오브젝트 영역을 검출하고, 오브젝트 인식 모델에 오브젝트 영역 내의 이미지 데이터를 입력하여 오브젝트를 인식할 수 있다.
컨텍스트 인식 장치(10)는 제2 인식 모델(예로, 컨텍스트 인식 모델)을 이용하여 오브젝트의 컨텍스트 정브를 획득할 수 있다(S525). 구체적으로, 컨텍스트 인식 장치(10)는 캡쳐 이미지 및 오브젝트에 대한 인식 정보를 컨텍스트 인식 모델에 입력하여 오브젝트의 컨텍스트 정보(예를 들어, 오브젝트의 표정, 감정, 옷차림, 이동 여부, 주위 오브젝트와의 관계 등)를 획득할 수 있다. 이때, 컨텍스트 인식 장치(10)는 캡쳐 이미지에 포함된 오브젝트 뿐만 아니라 주변 정보(예를 들어, 텍스트 등)를 이용하여 오브젝트의 컨텍스트 정보를 획득할 수 있다.
컨텍스트 인식 장치(10)는 획득된 오브젝트에 대한 정보를 전자 장치(100)에 전송할 수 있다(S530). 이때, 오브젝트에 대한 정보는 오브젝트에 대한 인식 정보 및 오브젝트에 대한 컨텍스트 정보를 포함할 수 있다.
전자 장치(100)는 오브젝트에 대한 정보를 포함하는 리스트를 표시할 수 있다(S535). 이때, 전자 장치(100)는 오브젝트에 대한 정보에 대한 정보를 포함하는 리스트를 선택된 오브젝트 주위에 표시할 수 있다.
전자 장치(100)는 리스트에 포함된 오브젝트에 대한 정보 중 하나를 선택하는 사용자 입력을 감지할 수 있다(S540).
전자 장치(100)는 컨텐츠 검색 장치(20)로 선택된 오브젝트에 대한 정보를 포함하는 쿼리를 전송할 수 있다(S545).
컨텐츠 검색 장치(20)는 쿼리에 응답하여 컨텐츠를 검색할 수 있다(S550). 이때, 컨텐츠 검색 장치(20)는 선택된 오브젝트에 대한 정보와 관련된 제목, 텍스트, 태그 정보를 가지는 이미지 컨텐츠를 검색할 수 있으나, 이에 한정되는 것은 아니며, 동영상 컨텐츠, 음악 컨텐츠 등과 같은 다양한 컨텐츠를 검색할 수 있다.
컨텐츠 검색 장치(20)는 전자 장치(100)로 검색 결과를 전송하며(S555), 전자 장치(100)는 전송된 검색 결과를 제공할 수 있다(S560). 이때, 전자 장치(10)는 전송된 검색 결과를 별도의 웹 페이지로 제공할 수 있으나, 이는 일 실시예에 불과할 뿐, 팝업창을 통해 검색 결과를 제공할 수 있다.
도 6은 본 개시의 일 실시예에 따른, 전자 장치 내부의 이미지 중 사용자에 의해 선택된 오브젝트와 관련된 이미지를 검색하기 위한 실시예를 설명하기 위한 도면이다.
전자 장치(100)는 사용자 명령에 따라 갤러리 어플리케이션을 실행시킬 수 있다. 그리고, 전자 장치(100)는 갤러리 어플리케이션이 실행되는 동안 전자 장치(100)에 저장된 복수의 이미지 중 하나를 표시할 수 있다. 이때, 표시되는 이미지에는 적어도 하나의 오브젝트가 포함될 수 있다. 예로, 이미지에는 도 6의 (a)에 도시된 바와 같이, 아기 오브젝트, 강아지 오브젝트, 태양(sun) 오브젝트를 포함할 수 있다.
전자 장치(100)는 도 6의 (a)에 도시된 바와 같이, 이미지에 포함된 복수의 오브젝트 중 아기 오브젝트(610)를 선택하는 사용자 입력을 감지할 수 있다. 이때, 사용자 입력은 일 지점을 기설정된 시간 이상 터치하는 롱 프레스 터치, 기설정된 시간 내에 일 지점을 복수회 터치하는 멀티 터치, 오브젝트를 포함하는 영역을 드로잉하는 드로잉 터치 등이 포함될 수 있으나, 이에 한정되는 것은 아니다. 이때, 복수의 오브젝트 중 하나를 선택하는 사용자 입력을 감지하는 경우, 전자 장치(100)는 관련 이미지 검색을 위한 인공지능 에이전트(예를 들어, 빅스비TM 등)를 실행시킬 수 있다.
전자 장치(100)는 도 6의 (b)에 도시된 바와 같이, 사용자 입력이 감지된 좌표값에 기반하여 선택된 오브젝트(610)를 포함하는 오브젝트 영역을 검출할 수 있다.
전자 장치(100)는 오브젝트 인식 모듈(125)을 통해 오브젝트 영역에 대한 정보를 이용하여 오브젝트 영역 내에 표시된 오브젝트(610)를 인식할 수 있다. 특히, 오브젝트 인식 모듈(125)은 오브젝트 영역에 대한 데이터를 입력 데이터로 하여 오브젝트 인식 모델에 입력하고, 입력 결과로서 오브젝트의 인식 정보를 획득할 수 있다. 이때, 오브젝트의 인식 정보는 오브젝트의 유형, 색, 크기, 이름, 성별 등이 포함될 수 있다. 예를 들어, 전자 장치(100)는 도 6의 (b)에서 검출된 오브젝트 영역에 대한 정보를 오브젝트 인식 모델에 입력하여 오브젝트 영역에 포함된 오브젝트(610)가 "아기"인 것을 획득할 수 있다.
전자 장치(100)는 오브젝트의 인식 정보 및 이미지에 대한 데이터를 이용하여 컨텍스트 인식 모듈(126)을 통해 오브젝트의 컨텍스트 정보를 획득할 수 있다. 특히, 컨텍스트 인식 모듈(126)은 오브젝트의 인식 정보 및 이미지에 대한 데이터를 컨텍스트 인식 모델에 입력하고, 입력 결과로서 오브젝트의 컨텍스트 정보를 획득할 수 있다. 이때, 오브젝트의 컨텍스트 정보는 오브젝트의 표정, 기분, 옷차림, 움직임 여부, 위치, 다른 오브젝트와의 관계 등을 포함할 수 있다. 예를 들어, 전자 장치(100)는 컨텍스트 인식 모듈(126)을 통해 오브젝트의 컨텍스트 정보로서, "웃는 아기", "뛰는 아기", 강아지와 아기"를 획득할 수 있다.
전자 장치(100)는 도 6의 (c)에 도시된 바와 같이, 선택된 오브젝트 주위에 획득된 오브젝트에 대한 정보를 포함하는 리스트(620)를 표시할 수 있다. 예를 들어, 리스트(620)에는 상술한 오브젝트 인식 모듈(125) 및 컨텍스트 인식 모듈(126)을 통해 획득된 오브젝트에 대한 정보인 "아기", "웃는 아기", 뛰는 아기", "강아지와 아기"를 포함할 수 있다. 이때, 리스트(620)는 기존에 표시되는 이미지와는 별도로 생성된 그래픽 레이어에 포함될 수 있다.
전자 장치(100)는 획득된 오브젝트에 대한 정보 중 하나를 선택하는 사용자 입력을 감지할 수 있다. 이때, 리스트(620)에 포함된 오브젝트에 대한 정보 중 하나를 선택하는 사용자 입력은 탭 터치일 수 있으나, 이에 한정되는 것은 아니다. 예로, 전자 장치(100)는 "웃는 아기"라는 오브젝트에 대한 정보를 선택하는 사용자 입력을 감지할 수 있다.
전자 장치(100)는 선택된 오브젝트에 대한 정보를 바탕으로 관련 이미지를 검색할 수 있다. 구체적으로, 전자 장치(100)는 전자 장치(100)에 저장된 복수의 이미지 중 선택된 오브젝트에 대한 정보와 동일하거나 유사한 태그 정보를 가지는 이미지를 검색할 수 있다. 예로, 전자 장치(100)는 선택된 오브젝트에 대한 정보인 "웃는 아기'와 동일한 태그 정보를 가지거나 "웃는 아기"와 유사한 태그 정보인 "아기 미소","아기 웃음", "웃는 어린이" 등과 같은 태그 정보를 가지는 이미지를 검색할 수 있다.
전자 장치(100)는 도 6의 (d)에 도시된 바와 같이, 검색 결과(630)를 제공할 수 있다. 이때, 전자 장치(100)는 기존에 표시되는 이미지의 크기를 축소시키고, 별도의 영역에 검색 결과(630)를 제공할 수 있다. 그러나, 전자 장치(100)는 기존에 표시되는 이미지의 별도의 영역에 검색 결과(630)를 제공할 수 있으나, 이는 일 실시예에 불과할 뿐, 검색 결과를 포함하는 팝업창을 생성할 수도 있다.
도 7은 본 개시의 일 실시예에 따른, 사용자에 의해 선택된 오브젝트와 관련된 외부 이미지를 검색하기 위한 실시예를 설명하기 위한 도면이다.
전자 장치(100)는 웹 어플리케이션이 실행되는 동안 이미지를 포함하는 웹 사이트를 표시할 수 있다. 이때, 이미지에는 적어도 하나의 오브젝트가 표시될 수 있다.
전자 장치(100)는 웹 페이지의 이미지 중 "사람 오브젝트"(710)를 선택하는 사용자 입력을 감지할 수 있다. 이때, 사용자 입력은 롱 프레스 터치, 멀티 터치, 드로잉 터치일 수 있으나, 이에 한정되는 것은 아니다.
한편, 본 발명의 일 실시예로, 전자 장치(100)는 사용자 입력에 응답하여, 오브젝트(710)를 포함하는 웹 페이지를 캡쳐하여 캡쳐 이미지를 생성할 수 있다. 이때, 전자 장치(100)는 백그라운드 쓰레드(background thread)를 통하여 웹 페이지에 대한 캡쳐를 수행할 수 있다.
전자 장치(100)는 이미지(예로, 캡쳐 이미지) 및 사용자 입력이 감지된 지점에 대한 정보(예로, 좌표값 정보)를 오브젝트 인식 장치(10)로 전송할 수 있다.
오브젝트 인식 장치(10)는 이미지 및 사용자 입력이 감지된 지점에 대한 정보를 바탕으로 오브젝트 영역을 추출할 수 있으며, 추출된 오브젝트 영역을 오브젝트 인식 모델에 입력하여 오브젝트의 인식 정보를 획득할 수 있다. 예로, 오브젝트 인식 장치(10)는 오브젝트의 인식 정보로서, 이름인 "XXX"를 획득할 수 있다.
오브젝트 인식 장치(10)는 이미지 및 오브젝트 영역에 대한 정보를 컨텍스트 인식 모델에 입력하여 오브젝트의 컨텍스트 정보를 획득할 수 있다. 이때, 오브젝트 인식 장치(10)는 오브젝트 영역뿐만 아니라 캡쳐 이미지에 포함된 다른 정보(예를 들어, 텍스트)를 이용하여 오브젝트의 컨텍스트 정보를 획득할 수 있다. 예로, 오브젝트 인식 장치(10)는 "웃는 XXX", "춤추는 XXX", "XXX 무대"와 같은 오브젝트(710)의 컨텍스트 정보를 획득할 수 있다.
오브젝트 인식 장치(10)는 전자 장치(100)로 오브젝트에 대한 정보(오브젝트의 인식 정보 및 오브젝트의 컨텍스트 정보)를 전송할 수 있다.
전자 장치(100)는 도 7의 (b)에 도시된 바와 같이, 선택된 오브젝트(710) 주위에 획득된 오브젝트에 대한 정보를 포함하는 리스트(720)를 표시할 수 있다. 예를 들어, 리스트(720)에는 상술한 오브젝트 인식 장치(10)를 통해 획득된 오브젝트에 대한 정보인 "XXX", "웃는 XXX", 춤추는 XXX", "XXX 무대"를 포함할 수 있다. 이때, 리스트(720)는 기존에 표시되는 이미지와는 별도로 생성된 그래픽 레이어에 포함될 수 있다.
전자 장치(100)는 획득된 오브젝트에 대한 정보 중 하나를 선택하는 사용자 입력을 감지할 수 있다. 이때, 리스트(720)에 포함된 오브젝트에 대한 정보 중 하나를 선택하는 사용자 입력은 탭 터치일 수 있으나, 이에 한정되는 것은 아니다. 예로, 전자 장치(100)는 "웃는 XXX"라는 오브젝트에 대한 정보를 선택하는 사용자 입력을 감지할 수 있다.
전자 장치(100)는 선택된 오브젝트에 대한 정보를 포함하는 쿼리를 외부의 컨텐츠 검색 장치(20)에 전송할 수 있다.
컨텐츠 검색 장치(20)는 쿼리에 응답하여 선택된 오브젝트에 대한 정보와 관련된 이미지를 검색할 수 있다. 예를 들어, 컨텐츠 검색 장치(20)는 "웃는 XXX"라는 제목, 텍스트, 태그 정보를 가지는 이미지 또는 웹 페이지를 검색할 수 있다.
컨텐츠 검색 장치(20)는 검색 결과를 전자 장치(100)에 전송할 수 있다.
전자 장치(100)는 도 7의 (c)에 도시된 바와 같이, 별도의 팝업창으로 검색 결과(730)를 제공할 수 있다. 그러나, 별도의 팝업창으로 검색 결과(730)를 제공하는 것은 일 실시예에 불과할 뿐, 별도의 웹 페이지를 생성하여 검색 결과(730)를 제공할 수 있다.
도 8은 본 개시의 다양한 실시예에 따른, 오브젝트를 선택하는 사용자 입력을 설명하기 위한 도면이다.
본 개시의 일 실시예로, 도 8의 (a)와 같이, 사용자는 오브젝트를 선택하기 위하여 오브젝트가 표시된 이미지의 일 지점(801)을 터치(예로, 롱터치 또는 멀티 터치)할 수 있다. 또는, 도 8의 (b)와 같이, 사용자는 전자 펜을 이용하여 오브젝트가 표시된 디스플레이 영역의 일부(803)를 드로잉할 수 있다.
또는, 도 8의 (c-1)과 같이, 전자 장치(100)는 화면에 오브젝트와 연관된 검색 결과를 제공하는 UI(예로, 아이콘)(805)을 표시할 수 있다. 예로, 사용자가 전자 장치(100)에서 전자 펜을 인출하면, 전자 장치(100)는, 전자 펜의 인출에 따라 발생된 이벤트에 기반하여, 관련 이미지 검색 기능을 제공하는 UI(805)를 표시할 수 있다. 다른 예로, 디스플레이 영역의 가장자리(예로, 엣지 영역)에서 중심으로 드래그하는 사용자 입력에 따라, 전자 장치(100)는 관련 이미지 검색 기능을 제공하는 UI(805)를 표시할 수 있다. 다른 예로, 전자 장치(100)의 일 영역에 구비된 버튼을 선택하는 사용자 입력에 따라, 전자 장치(100)는 관련 이미지 검색 기능을 제공하는 UI(805)를 표시할 수 있다.
이러한 상황에서, 사용자가 상기 UI(805)를 선택하면, 전자 장치(100)는 UI 표시 전에 디스플레이 영역에 표시 중이던, 오브젝트를 포함하는 화면을 캡쳐하고, 도 8의 (c-2)과 같이, 전자 장치(100)는 화면의 캡쳐 결과로서 캡쳐 이미지를 표시할 수 있다. 캡쳐 이미지가 표시되면, 예로, 사용자는 캡쳐 이미지의 일 영역(807)을 전자 펜으로 드로잉하여 오브젝트를 선택할 수 있다.
도 9a 및 도 9b는 본 개시의 일 실시예에 따른, 검색식을 이용하여 관련 이미지를 검색하는 방법을 설명하기 위한 도면이다.
우선, 전자 장치(100)는 도 9a의 (a)에 도시된 바와 같이, 상술한 방법으로 획득된 오브젝트에 대한 정보를 포함하는 리스트(910)를 표시할 수 있다. 예를 들어, 리스트(910)에는 오브젝트에 대한 정보로서, "아기", "웃는 아기", "백인 아기"와 같은 정보를 획득할 수 있다.
그리고, 전자 장치(100)는 리스트에 포함된 오브젝트에 대한 정보 중 "웃는 아기"를 선택하는 사용자 입력을 감지할 수 있다.
"웃는 아기"를 선택하는 사용자 입력이 감지되면, 전자 장치(100)는 도 9a의 (b)에 도시된 바와 같이, 이미지 표시 영역(920), 검색창(930), 검색 결과 표시 영역(940)을 포함하는 화면을 표시할 수 있다. 이때, 이미지 표시 영역(920)에는 도 9a의 (a)에 도시된 이미지가 축소되어 표시되고, 검색창(930)에는 사용자에 의해 선택된 오브젝트에 대한 정보(즉, "웃는 아기")가 표시되며, 검색 결과 표시 영역(940)에는 선택된 오브젝트에 대한 정보를 바탕으로 검색된 관련 이미지들(940-1 내지 940-2)이 표시될 수 있다.
그리고, 전자 장치(100)는 도 9a의 (c)에 도시되 바와 같이, 사용자 입력에 따라 검색창(930)에 특정 조건을 추가하기 위한 "and" 검색 조건을 입력하기 위한 기호로서, "+"를 입력할 수 있다. 이때, "and" 검색 조건을 위해 "+"를 입력할 수 있으나, 이는 일 실시예에 불과할 뿐, "*"와 같은 기호 또는 "and"와 같은 문자로 입력될 수 있다.
또 다른 실시예로, 검색 결과 중 특정 조건을 배제하기 위한 "not" 검색 조건을 입력하기 위한 기호로서, "-" 또는 "not"을 입력할 수 있다. 또 다른 실시예로, "or" 검색 조건으로서, "+" 혹은 "*", "or"를 입력할 수 있다. 그러나, 검색 조건은 상술한 바에 한정되지 않으며, 다른 검색 조건 역시 본 발명의 기술적 사상에 적용될 수 있다.
"and" 검색 조건이 입력된 후, 강아지 오브젝트를 선택하기 위한 사용자 입력이 감지되면, 전자 장치(100)는 도 9a의 (d)에 도시된 바와 같이, 이미지 표시 영역(920)에 강아지 오브젝트에 대한 정보를 포함하는 리스트(950)를 표시할 수 있다. 예를 들어, 리스트(950)에는 "강아지", "뛰는 강아지", "마티즈"와 같은 정보가 포함될 수 있다.
이때, 리스트(950)에 포함된 정보 중 "강아지"가 선택되면, 전자 장치(100)는 도 9a의 (e)에 도시된 바와 같이, 검색창(930)에 검색식(웃는 아기 + 강아지)를 표시하며, 검색 결과 제공 영역(940)에 검색식에 의해 검색된 관련 이미지들(940-5 내지 940-7)을 표시할 수 있다. 이때, 리스트(950)에 포함된 정보 중 "강아지"가 선택되면, 전자 장치(100)는 검색식과 검색식에 의해 검색된 관련 이미지들(940-5 내지 940-7)을 바로 업데이트할 수 있으나, 이는 일 실시예에 불과할 뿐, 검색식이 완성된 후 검색창(930)에 검색 실행을 위한 아이콘이 선택되면, 전자 장치(100)는관련 이미지에 대한 검색을 수행하여 검색 결과 제공 영역(940)을 업데이트할 수 있다.
한편, 상술한 실시예에서는 검색식을 작성하기 위해 검색식에 이용되는 기호 또는 문자를 사용자가 직접 입력하는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 도 9b에 도시된 바와 같이, 전자 장치(100)가 검색 조건을 포함하는 리스트(960)를 생성할 수 있다. 구체적으로, 리스트(960)에는 오브젝트에 대한 정보 각각을 추가 또는 배제하기 위한 아이콘들을 포함하고 있으며, 복수의 아이콘 중 하나가 선택되면, 전자 장치(100)는 선택된 아이콘에 대응되는 오브젝트에 대한 정보 및 검색 조건을 검색창에 기입할 수 있다. 예를 들어, 웃는 아기 옆에 표시된 "+" 아이콘이 선택되면, 전자 장치(100)는 검색창(930)에 "+ 웃는 아기"를 입력할 수 있다.
도 10a 및 도 10b는 본 개시의 다양한 실시예에 따른, 검색 히스토리 또는 추천 키워드를 이용하여 관련 이미지를 검색하는 방법을 설명하기 위한 도면이다.
구체적으로, 사용자의 관련 이미지 검색을 돕기 위하여, 전자 장치(100)는 도 10a에 도시된 바와 같이, 최근에 이용된 히스토리 정보(또는 최근에 이용된 검색식)를 포함하는 영역(1020) 또는 도 10b에 도시된 바와 같이, 사용자 추천 정보를 포함하는 영역(1040)을 표시할 수 있다. 이때, 도 10a 및 도 10b가 도시된 바와 같이, 이미지 표시 영역(1010) 및 검색 결과 제공 영역(1030)이 함께 표시될 수 있다.
특히, 최근에 이용된 히스토리 정보는 오브젝트에 대한 정보 중 사용자에 의해 기설정된 횟수 이상 선택된 정보를 포함할 수 있으며, 사용자 추천 정보는 전자 장치(100) 내에 저장된 이미지의 태그 정보들 중 기설정된 횟수 이상의 빈도수를 가지는 태그 정보 또는 외부 서버가 추천하는 정보를 포함할 수 있다.
또한, 히스토리 정보 또는 사용자 추천 정보를 선택하기 위하여, 도 10a 또는 10b에 도시된 바와 같이, 체크 박스가 표시될 수 있으나, 이는 일 실시예에 불과할 뿐, 히스토리 정보 또는 사용자 추천 정보를 포함하는 리스트가 표시될 수 있다.
도 11은 본 개시의 일 실시예에 따른, 관련 이미지를 이용하여 앨범을 생성하는 방법을 설명하기 위한 도면이다.
전자 장치(100)는 사용자 입력에 따라 관련 이미지를 이용하여 앨범을 생성할 수 있다. 구체적으로, 전자 장치(100)는 도 11의 (a)에 도시된 바와 같이, 이미지 표시 영역(1110), 검색창(1120), 검색 결과 제공 영역(1130)을 표시할 수 있다. 이때, 전자 장치(100)는 검색 결과 제공 영역(1130)에 관련 이미지를 모두 선택하기 위한 아이콘(1140) 및 앨범 생성을 위한 아이콘(1150)을 표시할 수 있다.
구체적으로, 사용자 입력(즉, 터치 입력)에 의해 검색 결과 제공 영역(1130)에 표시된 복수의 관련 이미지들 중 적어도 하나가 선택되면, 전자 장치(100)는 선택된 관련 이미지들을 하이라이트할 수 있다. 또는 모든 관련 이미지를 선택하기 위한 아이콘(1140)이 선택되면, 전자 장치(100)는 모든 관련 이미지들을 하이라이트할 수 있다.
복수의 관련 이미지들 중 적어도 하나의 관련 이미지가 선택된 동안 앨범 생성을 위한 아이콘(1150)이 선택되면, 전자 장치(100)는 선택된 관련 이미지를 포함하는 앨범을 생성할 수 있다. 이때, 전자 장치(100)는 도 11의 (b)에 도시된 바와 같이, 검색 결과 제공 영역(1130)에 새롭게 생성된 앨범을 나타내는 아이콘(1170)을 표시할 수 있다. 이때, 새롭게 생성된 앨범의 제목은 관련 이미지를 검색하기 위해 이용된 "오브젝트에 대한 정보"일 수 있으나, 이에 한정되는 것은 아니다.
도 12는 본 개시의 일 실시예에 따른, 인식 모델을 학습하고 이용하기 위한 전자 장치(특히, 프로세서)의 구성을 나타내는 블록도이다.
도 12를 참조하면, 프로세서(1200)는 학습부(1210) 및 인식부(1220) 중 적어도 하나를 포함할 수 있다. 도 12의 프로세서(1200)는 도 2a 및 도 2b의 전자 장치(100)의 프로세서(140) 또는 데이터 학습 서버(미도시)의 프로세서에 대응될 수 있다.
학습부(1210)는 오브젝트를 인식하기 위한 기준을 갖는 인식 모델 및 오브젝트의 컨텍스트 정보를 추정하기 위한 기준을 갖는 인식 모델을 생성 또는 학습시킬 수 있다. 학습부(1210)는 수집된 학습 데이터를 이용하여 판단 기준을 갖는 인식 모델을 생성할 수 있다.
일 예로, 학습부(1210)는 적어도 하나의 오브젝트가 포함된 이미지를 학습 데이터로서 이용하여 이미지에 포함된 오브젝트를 추정하는 기준을 판단하기 위한 오브젝트 인식 모델을 생성, 학습 또는 갱신시킬 수 있다.
또 다른 예로, 학습부(1210)는 적어도 하나의 오브젝트가 포함된 이미지를 학습 데이터로서 이용하여 이미지에 포삼된 오브젝트의 컨텍스트를 추정하는 기준을 판단하기 위한 컨텍스트 인식 모델을 생성, 학습 또는 갱신시킬 수 있다.
또 다른 예로, 학습부(1210)는 적어도 하나의 오브젝트가 포함돈 이미지를 학습 데이터로서 이용하여 태그 정보를 획득하기 위한 태그 정보 인식 모델을 생성, 학습 또는 갱신시킬 수 있다.
인식부(1220)는 소정의 데이터를 학습된 인식 모델의 입력 데이터로 사용하여, 소정의 데이터에 포함된 인식 대상 또는 상황을 추정할 수 있다.
일 예로, 인식부(1220)는 오브젝트가 포함된 오브젝트 영역(또는, 이미지)를 학습된 인식 모델의 입력 데이터로 사용하여 사용자에 의해 선택된 오브젝트에 대한 정보를 획득(또는, 추정, 추론)할 수 있다.
다른 예로, 인식부(1220)는 오브젝트에 대한 정보 및 이미지를 학습된 인식 모델에 적용하여 오브젝트의 컨텍스트 정보를 획득(또는, 추정, 추론)할 수 있다.
학습부(1210)의 적어도 일부 및 인식부(1220)의 적어도 일부는, 소프트웨어 모듈로 구현되거나 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 학습부(1210) 및 인식부(1220) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치 또는 객체 인식 장치에 탑재될 수도 있다. 이때, 인공 지능을 위한 전용 하드웨어 칩은 확률 연산에 특화된 전용 프로세서로서, 기존의 범용 프로세서보다 병렬처리 성능이 높아 기계 학습과 같은 인공 지능 분야의 연산 작업을 빠르게 처리할 수 있다. 학습부(1210) 및 인식부(1220)가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
이 경우, 학습부(1210) 및 인식부(1220)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 학습부(1210) 및 인식부(1220) 중 하나는 전자 장치(100)에 포함되고, 나머지 하나는 외부의 서버에 포함될 수 있다. 또한, 학습부(1210) 및 인식부(1220)는 유선 또는 무선으로 통하여, 학습부(1210)가 구축한 모델 정보를 인식부(1220)로 제공할 수도 있고, 학습부(1220)로 입력된 데이터가 추가 학습 데이터로서 학습부(1210)로 제공될 수도 있다.
도 13a는, 다양한 실시예에 따른 학습부(1210) 및 인식부(1220)의 블록도이다.
도 13a의 (a)를 참조하면, 일부 실시예에 따른 학습부(1210)는 학습 데이터 획득부(1210-1) 및 모델 학습부(1210-4)를 포함할 수 있다. 또한, 학습부(1210)는 학습 데이터 전처리부(1210-2), 학습 데이터 선택부(1210-3) 및 모델 평가부(1210-5) 중 적어도 하나를 선택적으로 더 포함할 수 있다.
학습 데이터 획득부(1210-1)는 인식 대상을 추론하기 위한 인식 모델에 필요한 학습 데이터를 획득할 수 있다. 본 개시의 실시예로, 학습 데이터 획득부(1210-1)는 오브젝트를 포함하는 전체 이미지, 오브젝트 영역에 대응하는 이미지, 오브젝트 정보 및 오브젝트의 컨텍스트 정보 중 적어도 하나를 학습 데이터로서 획득할 수 있다. 학습 데이터는 학습부(1210) 또는 학습부(1210)의 제조사가 수집 또는 테스트한 데이터가 될 수도 있다.
모델 학습부(1210-4)는 학습 데이터를 이용하여, 인식 모델이 소정의 인식 대상을 어떻게 판단할지에 관한 판단 기준을 갖도록 학습시킬 수 있다. 일 예로, 모델 학습부(1210-4)는 입력된 전체 이미지 또는 오브젝트 영역에 대응되는 이미지에 대한 특징을 추출하고, 벡터 공간에 투영(projection)하고, 각각의 벡터에 오브젝트의 정보 또는 컨텍스트 정보를 인덱싱하여 인식 모델을 구축할 수 있다.
특히, 모델 학습부(1210-4)는 학습 데이터 중 적어도 일부를 판단 기준으로 이용하는 지도 학습(supervised learning)을 통하여, 인식 모델을 학습시킬 수 있다. 또는, 모델 학습부(1210-4)는, 예를 들어, 별다른 지도 없이 학습 데이터를 이용하여 스스로 학습함으로써, 상황의 판단을 위한 판단 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1210-4)는, 예를 들어, 학습에 따른 상황 판단의 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1210-4)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 인식 모델을 학습시킬 수 있다
또한, 모델 학습부(1210-4)는 입력 데이터를 이용하여 인식 대상을 추정하기 위하여 어떤 학습 데이터를 이용해야 하는지에 대한 선별 기준을 학습할 수도 있다.
모델 학습부(1210-4)는 미리 구축된 인식 모델이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 인식 모델을 학습할 인식 모델로 결정할 수 있다. 이 경우, 기본 학습 데이터는 데이터의 타입별로 기 분류되어 있을 수 있으며, 인식 모델은 데이터의 타입별로 미리 구축되어 있을 수 있다. 예를 들어, 기본 학습 데이터는 학습 데이터가 생성된 지역, 학습 데이터가 생성된 시간, 학습 데이터의 크기, 학습 데이터의 장르, 학습 데이터의 생성자, 학습 데이터 내의 오브젝트의 종류 등과 같은 다양한 기준으로 기 분류되어 있을 수 있다.
인식 모델이 학습되면, 모델 학습부(1210-4)는 학습된 인식 모델을 저장할 수 있다. 이 경우, 모델 학습부(1210-4)는 학습된 인식 모델을 전자 장치(100)의 메모리(130)에 저장할 수 있다. 또는, 모델 학습부(1210-4)는 학습된 인식 모델을 전자 장치(100)와 유선 또는 무선 네트워크로 연결되는 서버의 메모리에 저장할 수도 있다.
학습부(1210)는 인식 모델의 분석 결과를 향상시키거나, 인식 모델의 생성에 필요한 자원 또는 시간을 절약하기 위하여, 학습 데이터 전처리부(1210-2) 및 학습 데이터 선택부(1210-3)를 더 포함할 수도 있다.
학습 데이터 전처리부(1210-2)는 상황 판단을 위한 학습에 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 학습 데이터 전처리부(1210-2)는 모델 학습부(1210-4)가 상황 판단을 위한 학습을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.
학습 데이터 선택부(1210-3)는 학습 데이터 획득부(1210-1)에서 획득된 데이터 또는 학습 데이터 전처리부(1210-2)에서 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부(1210-4)에 제공될 수 있다. 학습 데이터 선택부(1210-3)는 기 설정된 선별 기준에 따라, 획득되거나 전처리된 데이터 중에서 학습에 필요한 학습 데이터를 선택할 수 있다. 또한, 학습 데이터 선택부(1210-3)는 모델 학습부(1210-4)에 의한 학습에 의해 기 설정된 선별 기준에 따라 학습 데이터를 선택할 수도 있다.
학습부(1210)는 데이터 인식 모델의 분석 결과를 향상시키기 위하여, 모델 평가부(1210-5)를 더 포함할 수도 있다.
모델 평가부(1210-5)는 인식 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 분석 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(1210-4)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 인식 모델을 평가하기 위한 기 정의된 데이터일 수 있다.
예를 들어, 모델 평가부(1210-5)는 평가 데이터에 대한 학습된 인식 모델의 분석 결과 중에서, 분석 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다.
한편, 학습된 인식 모델이 복수 개가 존재하는 경우, 모델 평가부(1210-5)는 각각의 학습된 인식 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 인식 모델로서 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 모델 평가부(1210-5)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 인식 모델로서 결정할 수 있다.
도 13a의 (b)를 참조하면, 일부 실시예에 따른 데이터 분석부(1220)는 인식 데이터 획득부(1220-1) 및 인식 결과 제공부(1220-4)를 포함할 수 있다. 또한, 데이터 분석부(1220)는 인식 데이터 전처리부(1220-2), 인식 데이터 선택부(1220-3) 및 모델 갱신부(1220-5) 중 적어도 하나를 선택적으로 더 포함할 수 있다.
인식 데이터 획득부(1220-1)는 상황 판단 또는 객체 인식에 필요한 데이터를 획득할 수 있다. 인식 결과 제공부(1220-4)는 인식 데이터 획득부(1220-1)에서 획득된 데이터를 입력 값으로 학습된 인식 모델에 적용하여 상황을 판단할 수 있다. 인식 결과 제공부(1220-4)는 데이터의 분석 목적에 따른 분석 결과를 제공할 수 있다. 인식 결과 제공부(1220-4)는 후술할 인식 데이터 전처리부(1220-2) 또는 인식 데이터 선택부(1220-3)에 의해 선택된 데이터를 입력 값으로 인식 모델에 적용하여 분석 결과를 획득할 수 있다. 분석 결과는 인식 모델에 의해 결정될 수 있다.
일 실시예로, 인식 결과 제공부(1220-4)는 인식 데이터 획득부(1220-1)에서 획득한 오브젝트를 포함하는 이미지(예로, 전체 이미지 또는 오브젝트 영역에 대응되는 이미지)를 학습된 인식 모델 적용하여 오브젝트에 대한 인식 정보를 획득(또는, 추정)할 수 있다.
다른 실시예로, 인식 결과 제공부(1220-4)는 인식 데이터 획득부(1220-1)에서 획득한 이미지 데이터 및 오브젝트에 대한 정보 중 적어도 하나를 학습된 인식 모델에 적용하여 오브젝트의 컨텍스트 정보를 획득(또는, 추정)할 수 있다
데이터 분석부(1220)는 인식 모델의 분석 결과를 향상시키거나, 분석 결과의 제공을 위한 자원 또는 시간을 절약하기 위하여, 인식 데이터 전처리부(1220-2) 및 인식 데이터 선택부(1220-3)를 더 포함할 수도 있다.
인식 데이터 전처리부(1220-2)는 상황 판단을 위해 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 인식 데이터 전처리부(1220-2)는 인식 결과 제공부(1220-4)가 상황 판단을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 정의된 포맷으로 가공할 수 있다.
인식 데이터 선택부(1220-3)는 인식 데이터 획득부(1220-1)에서 획득된 데이터 또는 인식 데이터 전처리부(1220-2)에서 전처리된 데이터 중에서 상황 판단에 필요한 데이터를 선택할 수 있다. 선택된 데이터는 인식 결과 제공부(1220-4)에게 제공될 수 있다. 인식 데이터 선택부(1220-3)는 상황 판단을 위한 기 설정된 선별 기준에 따라, 획득되거나 전처리된 데이터 중에서 일부 또는 전부를 선택할 수 있다. 또한, 인식 데이터 선택부(1220-3)는 모델 학습부(1210-4)에 의한 학습에 의해 기 설정된 선별 기준에 따라 데이터를 선택할 수도 있다.
모델 갱신부(1220-5)는 인식 결과 제공부(1220-4)에 의해 제공되는 분석 결과에 대한 평가에 기초하여, 인식 모델이 갱신되도록 제어할 수 있다. 예를 들어, 모델 갱신부(1220-5)는 인식 결과 제공부(1220-4)에 의해 제공되는 분석 결과를 모델 학습부(1210-4)에게 제공함으로써, 모델 학습부(1210-4)가 인식 모델을 추가 학습 또는 갱신하도록 요청할 수 있다.
도 13b는, 일 실시예에 따른 전자 장치(100) 및 외부의 서버(50)가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
도 13b를 참조하면, 외부의 서버(50)는 오브젝트 또는 오브젝트의 컨텍스트 정보를 인식하기 위한 기준을 학습할 수 있으며, 전자 장치(100)는 서버(50)에 의한 학습 결과에 기초하여 상황을 판단할 수 있다.
이 경우, 서버(50)의 모델 학습부(1210-4)는 도 12에 도시된 학습부(1910)의 기능을 수행할 수 있다. 서버(50)의 모델 학습부(1210-4)는 소정의 상황을 판단하기 위하여 어떤 이미지, 오브젝트 정보를 이용할지, 상기 데이터를 이용하여 오브젝트 또는 오브젝트의 컨텍스트 정보를 어떻게 판단할지에 관한 기준을 학습할 수 있다.
또한, 전자 장치(100)의 인식 결과 제공부(1220-4)는 인식 데이터 선택부(1220-3)에 의해 선택된 데이터를 서버(50)에 의해 생성된 인식 모델에 적용하여 오브젝트에 대한 정보(즉, 오브젝트의 인식 정보 및 오브젝트의 컨텍스트 정보)를 판단할 수 있다. 또는, 전자 장치(100)의 인식 결과 제공부(1220-4)는 서버(50)에 의해 생성된 인식 모델을 서버(50)로부터 수신하고, 수신된 인식 모델을 이용하여 오브젝트를 인식하거나 오브젝트의 컨텍스트를 인식할 수 있다. 이 경우, 전자 장치(100)의 인식 결과 제공부(1220-4)는 인식 데이터 선택부(1220-3)에 의해 선택된 이미지를 서버(50)로부터 수신된 인식 모델에 적용하여, 이미지에 포함된 오브젝트에 대한 정보를 획득할 수 있다.
도 14는 본 개시의 일 실시예에 따른, 사용자에 의해 선택된 오브젝트와 관련된 이미지를 검색하는 방법을 설명하기 위한 흐름도이다.
우선, 전자 장치(100)는 적어도 하나의 오브젝트를 포함하는 이미지를 표시할 수 있다(S1410). 이때, 이미지는 갤러리 어플리케이션이 실행되는 동안 제공되는 사진 이미지일 수 있으나, 이에 한정되는 것은 아니며, 웹 어플리케이션이 실행되는 동안 제공되는 웹 이미지일 수 있다.
전자 장치(100)는 오브젝트를 선택하기 위한 사용자 입력을 감지할 수 있다(S1420). 이때, 사용자 입력은 오브젝트가 표시된 영역 중 일 지점을 기설정된 시간 이상 터치하는 롱 프레스 터치 입력, 오브젝트가 표시된 영역 중 일 지점을 기설정된 압력 이상 터치하는 포스(force) 터치, 오브젝트가 표시된 영역 중 일 지점을 기설정된 시간 내에 복수 회 터치하는 멀티 터치, 오브젝트가 표시된 영역을 드로잉하는 드로잉 터치일 수 있으나, 이에 한정되는 것은 아니다.
전자 장치(100)는 학습된 인식 모델을 이용하여 사용자 입력이 감지된 지점에 표시된 오브젝트를 인식하고, 인식된 오브젝트에 대한 정보를 획득할 수 있다(S1430). 이때, 전자 장치(100)는 사용자 입력이 감지된 지점에 대한 정보(예를 들어, 좌표값)를 바탕으로 오브젝트 영역을 추출할 수 있으며, 오브젝트 영역을 입력 데이터로 오브젝트 인식 모델에 입력하여 오브젝트를 인식할 수 있다. 이때, 전자 장치(100)는 오브젝트의 인식 정보(예를 들어, 오브젝트의 유형, 오브젝트의 색, 오브젝트의 크기, 오브젝트의 이름, 오브젝트의 성별 등)를 획득할 수 있다. 또한, 전자 장치(100)는 이미지 및 오브젝트에 대한 정보를 입력 데이터로 컨텍스트 인식 모델에 입력하여 오브젝트의 컨텍스트 정보를 인식할 수 있다. 이때, 전자 장치(100)는 오브젝트의 컨텍스트 정보로서 오브젝트의 표정, 감정, 옷차림, 이동 여부, 다른 오브젝트와의 관계 등을 감지할 수 있다.
전자 장치(100)는 획득된 오브젝트에 대한 정보를 포함하는 리스트를 표시할 수 있다(S1440). 이때, 리스트는 선택된 오브젝트 주위에 표시될 수 있다.
전자 장치(100)는 리스트에 포함된 오브젝트에 대한 정보 중 하나를 선택하는 사용자 입력을 감지할 수 있다(S1450).
전자 장치(100)는 선택된 정보를 바탕으로 관련된 이미지를 검색할 수 있다(S1460). 구체적으로, 전자 장치(100)는 전자 장치(100)에 저장된 복수의 이미지 중 선택된 정보와 동일하거나 관련된 태그 정보를 가지는 이미지를 검색할 수 있으며, 외부 검색 서버로 선택된 정보를 포함하는 쿼리를 생성하여 전송함으로써 이미지를 검색할 수 있다.
상술한 바와 같은 본 발명의 일 실시예에 의해, 사용자는 더욱 편리하고 구체적으로 현재 자신이 보고 있는 이미지와 유사한 이미지를 검색할 수 있게 된다.
도 15 내지 17은 본 개시의 다양한 실시예에 따른, 인식 모델을 이용하는 네트워크 시스템의 흐름도이다.
도 15 내지 도 17에서, 인식 모델을 이용하는 네트워크 시스템은 제1 구성 요소(1501,1601,1701), 제2 구성 요소(1502,1602,1702) 및 제3 구성 요소(1703) 중 적어도 두 개를 포함할 수 있다.
여기서, 제1 구성 요소(1501,1601,1701)는 전자 장치(100)이고, 제2 구성 요소(1502,1602,1702)는 인식 모델이 저장된 서버가 될 수 있다. 또는, 제1 구성 요소(1501,1601,1701)는 범용 프로세서이고, 제2 구성 요소(1502,1602,1702)는 인공 지능 전용 프로세서가 될 수 있다. 또는, 제1 구성 요소(1501,1601,1701)는 적어도 하나의 어플리케이션이 될 수 있고, 제2 구성 요소(1502,1602,1702)는 운영 체제(operating system, OS)가 될 수 있다. 즉, 제2 구성 요소(1502,1602,1702)는 제1 구성 요소(1501,1601,1701)보다 더 집적화되거나, 전용화되거나, 딜레이(delay)가 작거나, 성능이 우세하거나 또는 많은 리소스를 가진 구성 요소로서 데이터 인식 모델의 생성, 갱신 또는 적용 시에 요구되는 많은 연산을 제1 구성 요소(1501,1601,1701)보다 신속하고 효과적으로 처리 가능한 구성 요소가 될 수 있다.
이 경우, 제1 구성 요소(1501,1601,1701) 및 제2 구성 요소(1502,1602,1702) 간에 데이터를 송/수신하기 위한 인터페이스가 정의될 수 있다.
예로, 인식 모델에 적용할 학습 데이터를 인자 값(또는, 매개 값 또는 전달 값)으로 갖는 API(application program interface)가 정의될 수 있다. API는 어느 하나의 프로토콜(예로, 전자 장치(A)에서 정의된 프로토콜)에서 다른 프로토콜(예로, 서버에서 정의된 프로토콜)의 어떤 처리를 위해 호출할 수 있는 서브 루틴 또는 함수의 집합으로 정의될 수 있다. 즉, API를 통하여 어느 하나의 프로토콜에서 다른 프로토콜의 동작이 수행될 수 있는 환경을 제공될 수 있다.
한편, 제3 구성 요소(1703)는 제1 구성 요소(1501,1601,1701) 및 제2 구성 요소(1502,1602,1702) 중 적어도 하나에서 수신한 데이터에 기반하여 오브젝트와 연관된 관련 이미지를 포함하는 검색 결과를 획득할 수 있다. 제3 구성 요소(1703)는 예로, 도 5의 컨텐츠 검색 장치(20)에 대응될 수 있다. 이 때, 제3 구성 요소(1703)가 수신하는 데이터는, 예로, 사용자에 의해 선택된 오브젝트에 대한 정보가 될 수 있다.
일 실시예로, 도 15에서, 먼저, 제1 구성 요소(1501)는 오브젝트를 포함하는 이미지를 표시할 수 있다(S1505).
오브젝트를 표시하는 이미지가 표시되는 동안, 제1 구성 요소(1501)는 오브젝트를 선택하기 위한 사용자 입력을 감지할 수 있다(S1510).
사용자 입력에 응답하여 제1 구성 요소(1501)는 이미지 및 터치 지점에 대한 정보(예로, 터치 좌표값)를 제2 구성 요소(1502)로 전송할 수 있다.(S1515)
제2 구성 요소(1502)는 수신된 이미지 및 터치 지점에 대한 정보를 바탕으로 사용자에 의해 선택된 오브젝트가 표시된 오브젝트 영역을 검출할 수 있다(S1520).
제2 구성 요소(1502)는 검출된 오브젝트 영역을 오브젝트 인식 모델에 입력하여 오브젝트 영역 내의 오브젝트를 인식할 수 있다(S1525). 이때, 제2 구성 요소(1503)는 오브젝트에 대한 정보로서, 오브젝트의 유형, 오브젝트의 색, 오브젝트의 크기, 오브젝트의 이름, 오브젝트의 성별 등에 대한 오브젝트 인식 정보를 획득할 수 있다.
제2 구성 요소(1502)는 이미지 및 오브젝트에 대한 정보를 컨텍스트 인식 모델에 입력하여 오브젝트의 컨텍스트 정보를 인식할 수 있다(S1530). 이때, 제2 구성 요소(1503)는 오브젝트에 대한 정보로서, 오브젝트의 표정, 오브젝트의 감정, 오브젝트의 옷차림, 오브젝트의 이동 여부, 오브젝트와 다른 오브젝트와의 관계 등에 대한 오브젝트의 컨텍스트 정보를 획득할 수 있다.
제2 구성 요소(1502)는 오브젝트에 대한 정보를 제1 구성 요소(1501)로 전송할 수 있다(S1535).
제1 구성 요소(1501)는 오브젝트에 대한 정보를 포함하는 리스트를 표시할 수 있다(S1540). 이때, 제1 구성 요소(1501)는 사용자 입력이 감지된 오브젝트 주위에 리스트를 표시할 수 있다.
제1 구성 요소(1501)는 오브젝트에 대한 정보를 선택하는 사용자 입력을 감지할 수 있으며(S1545), 제1 구성 요소(1501)는 선택된 정보를 바탕으로 관련 이미지를 검색할 수 있다(S1550).
다른 실시예로, 도 16에서, 제1 구성 요소(1601)는 오브젝트를 포함하는 이미지 중 하나의 오브젝트를 선택하기 위한 사용자 입력을 감지할 수 있다(S1605,S1610). 이에 대응하는 동작은, 도 15의 동작 S1505 내지 동작 S1510에 대응하므로 중복되는 설명은 생략한다.
제1 구성 요소(1601)는 이미지 및 사용자 입력이 감지된 수신된 이미지 및 터치 지점에 대한 정보를 바탕으로 사용자에 의해 선택된 오브젝트가 표시된 오브젝트 영역을 검출할 수 있다(S1615).
제1 구성 요소(1601)는 검출된 오브젝트 영역 및 이미지를 제2 구성 요소(1602)로 전송할 수 있다(S1620).
이하의 동작인 S1625 내지 S1650은 도 15의 동작인 S1525 내지 1550에 대응하므로, 중복되는 설명은 생략한다.
다른 실시예로, 도 23에서는 제1 구성 요소(1701)는 제2 구성 요소(1702)와 연동하여 사용자에 의해 선택된 오브젝트에 대한 정보를 포함하는 리스트를 표시하고, 오브젝트에 대한 정보 중 하나를 선택하는 사용자 입력을 감지할 수 있다(S1705 내지 S1745). 이에 대응하는 동작은, 도 15의 동작 S1505 내지 동작 S1545에 대응하므로 중복되는 설명은 생략한다.
제1 구성 요소(1701)는 사용자에 의해 선택된 정보를 제3 구성 요소(1703)로 전송할 수 있다(S1750). 이때, 제1 구성 요소(1701)는 사용자에 의해 선택된 정보를 포함하는 쿼리를 생성하여 제3 구성 요소(1703)로 전송할 수 있다.
제3 구성 요소(1703)은 사용자에 의해 선택된 정보를 바탕으로 관련 컨텐츠를 검색할 수 있다(S1755). 이때, 제3 구성 요소(1703)는 저장된 혹은 제3 구성 요소(1703)와 연결된 구성 요소에 저장된 컨텐츠 중 사용자에 의해 선택된 정보와 동일하거나 관련된 제목, 텍스트를 가지는 컨텐츠를 검색할 수 있다. 이때, 제3 구성 요소(1703)는 컨텐츠 중 이미지 컨텐츠만을 검색할 수 있으나, 이는 일 실시예에 불과할 뿐, 동영상 컨텐츠, 오디오 컨텐츠, 웹 컨텐츠 등과 같은 다양한 컨텐츠를 포함할 수 있다.
제3 구성 요소(1703)는 검색 결과를 제1 구성 요소(1701)로 전송할 수 있으며(S1760), 제1 구성 요소(1701)는 전송된 검색 결과를 제공할 수 있다(S1765).
본 개시의 다양한 실시예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시예들에 따른 전자 장치(예: 전자 장치(100))를 포함할 수 있다. 상기 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.
일시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
110,220: 디스플레이 120, 240: 메모리
130,260: 사용자 입력부 140, 270: 프로세서
210: 카메라 230: 통신부
250: 오디오 출력부
130,260: 사용자 입력부 140, 270: 프로세서
210: 카메라 230: 통신부
250: 오디오 출력부
Claims (20)
- 이미지를 검색하기 위한 전자 장치의 제어 방법에 있어서,
적어도 하나의 오브젝트를 포함하는 이미지를 표시하는 단계;
오브젝트를 선택하기 위한 사용자 입력을 감지하는 단계;
오브젝트 인식 모델을 이용하여 상기 적어도 하나의 오브젝트 중 상기 사용자 입력이 감지된 지점에 대응되는 오브젝트를 인식하고 상기 오브젝트에 대한 인식 정보를 획득하는 단계;
컨텍스트 인식 모델을 이용하여 상기 오브젝트에 대한 컨텍스트 정보를 획득하는 단계;
상기 인식 정보 및 상기 컨텍스트 정보에 기초하여, 상기 오브젝트의 유형을 나타내는 제1 텍스트 및 상기 오브젝트의 컨텍스트를 나타내는 제2 텍스트 중 적어도 하나를 포함하는 복수의 선택 항목을 포함하는 리스트를 표시하는 단계;
상기 리스트에 포함된 상기 복수의 선택 항목 중 적어도 하나가 선택되면, 상기 선택된 적어도 하나의 선택 항목에 대응되는 상기 인식 정보 및 상기 컨텍스트 정보에 기초하여 상기 이미지에 관련된 적어도 하나의 관련 이미지를 검색하는 단계; 및
상기 적어도 하나의 관련 이미지를 제공하는 단계; 를 포함하며,
상기 검색하는 단계는,
사용자 명령에 따라 상기 복수의 선택 항목 중 제1 선택 항목 및 상기 제1 선택 항목과 상이한 제2 선택 항목이 선택되면, 상기 제1 선택 항목에 대응되는 상기 인식 정보 및 상기 컨텍스트 정보와 상기 제2 선택 항목에 대응되는 상기 인식 정보 및 상기 컨텍스트 정보를 함께 이용하여 검색식을 생성하는 단계; 및
상기 생성된 검색식을 이용하여 상기 적어도 하나의 관련 이미지를 검색하는 단계;를 포함하는 제어 방법. - 제1항에 있어서,
상기 획득하는 단계는,
상기 사용자 입력이 감지된 지점의 좌표값을 바탕으로 오브젝트가 표시된 오브젝트 영역을 추출하는 단계;
상기 추출된 오브젝트 영역을 상기 인식 모델에 입력하여 상기 오브젝트를 인식하고 상기 오브젝트에 대한 정보를 획득하는 단계;를 포함하는 제어 방법. - 삭제
- 제1항에 있어서,
상기 인식 정보는, 상기 오브젝트의 유형, 상기 오브젝트의 색, 상기 오브젝트의 크기, 상기 오브젝트의 이름 및 상기 오브젝트의 성별 중 적어도 하나를 포함하고,
상기 컨텍스트 정보는, 상기 오브젝트의 움직임 여부, 상기 오브젝트의 감정상태 및 상기 오브젝트의 옷차림 중 적어도 하나를 포함하는 제어 방법. - 제1항에 있어서,
상기 전자 장치는 복수의 이미지 및 상기 복수의 이미지의 태그 정보를 매칭하여 저장하며,
상기 검색하는 단계는,
상기 전자 장치에 저장된 복수의 이미지 중 상기 인식 정보 및 상기 컨텍스트 정보와 대응되는 태그 정보를 가지는 이미지를 검색하는 단계;를 포함하는 제어 방법. - 제5항에 있어서,
상기 관련 이미지 중 적어도 하나를 선택하여 앨범을 생성하기 위한 사용자 명령이 입력되면, 상기 적어도 하나의 관련 이미지를 포함하는 앨범을 생성하는 단계;를 포함하는 제어 방법. - 제5항에 있어서,
이미지가 획득된 경우, 오브젝트에 대한 정보를 추정하기 위해 학습된 인식 모델에 상기 획득된 이미지를 입력하여 상기 획득된 이미지에 포함된 오브젝트에 대한 정보를 획득하는 단계; 및
상기 획득된 오브젝트에 대한 정보를 태그 정보로서 상기 획득된 이미지와 함께 매칭하여 저장하는 단계;를 포함하는 제어 방법. - 제1항에 있어서,
상기 제공하는 단계는,
상기 인식 정보 및 상기 컨텍스트 정보를 포함하는 쿼리를 생성하는 단계;
상기 생성된 쿼리를 외부의 검색 서버로 전송하는 단계;
상기 쿼리에 응답하여 상기 검색 서버로부터 상기 인식 정보 및 상기 컨텍스트 정보에 대응되는 관련 이미지를 포함하는 검색 결과를 수신하는 단계; 및
상기 검색 결과를 제공하는 단계;를 포함하는 제어 방법. - 삭제
- 제1항에 있어서,
상기 리스트를 표시하는 단계는,
상기 인식된 오브젝트 주위에 상기 리스트를 표시하는 것을 특징으로 하는 제어 방법. - 전자 장치에 있어서,
디스플레이;
사용자 입력부;
상기 디스플레이 및 상기 사용자 입력부와 전기적으로 연결된 프로세서; 및
상기 프로세서에 전기적으로 연결된 메모리;를 포함하며,
상기 프로세서는,
적어도 하나의 오브젝트를 포함하는 이미지를 표시하도록 상기 디스플레이를 제어하며,
상기 디스플레이 상에 상기 적어도 하나의 오브젝트를 포함하는 상기 이미지가 표시되는 동안 상기 사용자 입력부를 통해 오브젝트를 선택하기 위한 사용자 입력에 따른 입력 신호를 획득하고,
상기 입력 신호에 응답하여, 오브젝트 인식 모델을 이용하여 상기 적어도 하나의 오브젝트 중 상기 사용자 입력이 감지된 지점에 대응되는 오브젝트를 인식하고 상기 오브젝트에 대한 인식 정보를 획득하며,
컨텍스트 인식 모델을 이용하여 상기 오브젝트에 대한 컨텍스트 정보를 획득하고,
상기 인식 정보 및 상기 컨텍스트 정보에 기초하여, 상기 오브젝트의 유형을 나타내는 제1 텍스트 및 상기 오브젝트의 컨텍스트를 나타내는 제2 텍스트 중 적어도 하나를 포함하는 복수의 선택 항목을 포함하는 리스트를 표시하도록 상기 디스플레이를 제어하며,
상기 사용자 입력부를 통해 상기 리스트에 포함된 상기 복수의 선택 항목 중 제1 선택 항목 및 상기 제1 선택 항목과 상이한 제2 선택 항목이 선택되면, 상기 제1 선택 항목에 대응되는 상기 인식 정보 및 상기 컨텍스트 정보와 상기 제2 선택 항목에 대응되는 상기 인식 정보 및 상기 컨텍스트 정보를 함께 이용하여 검색식을 생성하며,
상기 생성된 검색식을 이용하여 관련 이미지를 검색하고,
상기 이미지에 관련된 상기 적어도 하나의 관련 이미지를 제공하는 전자 장치. - 제11항에 있어서,
상기 프로세서는,
상기 사용자 입력이 감지된 지점의 좌표값을 바탕으로 오브젝트가 표시된 오브젝트 영역을 추출하고,
상기 추출된 오브젝트 영역을 상기 인식 모델에 입력하여 상기 오브젝트를 인식하고 상기 오브젝트에 대한 정보를 획득하는 전자 장치. - 삭제
- 제11항에 있어서,
상기 인식 정보는, 상기 오브젝트의 유형, 상기 오브젝트의 색, 상기 오브젝트의 크기, 상기 오브젝트의 이름 및 상기 오브젝트의 성별 중 적어도 하나를 포함하고,
상기 컨텍스트 정보는, 상기 오브젝트의 움직임 여부, 상기 오브젝트의 감정상태 및 상기 오브젝트의 옷차림 중 적어도 하나를 포함하는 전자 장치. - 제11항에 있어서,
상기 메모리는 복수의 이미지 및 상기 복수의 이미지의 태그 정보를 매칭하여 저장하며,
상기 프로세서는,
상기 전자 장치에 저장된 복수의 이미지 중 상기 인식 정보 및 상기 컨텍스트 정보와 대응되는 태그 정보를 가지는 이미지를 검색하는 전자 장치. - 제15항에 있어서,
상기 프로세서는,
상기 관련 이미지 중 적어도 하나를 선택하거 앨범을 생성하기 위한 사용자 명령이 입력되면, 상기 적어도 하나의 관련 이미지를 포함하는 앨범을 생성하는 단계;를 포함하는 전자 장치. - 제15항에 있어서,
상기 프로세서는,
이미지가 획득된 경우, 오브젝트에 대한 정보를 추정하기 위해 학습된 인식 모델에 상기 획득된 이미지를 입력하여 상기 획득된 이미지에 포함된 오브젝트에 대한 정보를 획득하고,
상기 획득된 오브젝트에 대한 정보를 태그 정보로서 상기 획득된 이미지와 함께 매칭하여 상기 메모리에 저장하는 전자 장치. - 제11항에 있어서,
외부 서버와 통신을 수행하기 위한 통신부;를 더 포함하고,
상기 프로세서는,
상기 인식 정보 및 상기 컨텍스트 정보를 포함하는 쿼리를 생성하고,
상기 생성된 쿼리를 외부의 검색 서버로 전송하도록 상기 통신부를 제어하며,
상기 쿼리에 응답하여, 상기 통신부를 통해 상기 검색 서버로부터 상기 인식 정보 및 상기 컨텍스트 정보에 대응되는 관련 이미지를 포함하는 검색 결과를 수신하며,
상기 검색 결과를 제공하는 전자 장치. - 삭제
- 제11항에 있어서,
상기 프로세서는,
상기 인식된 오브젝트 주위에 상기 리스트를 표시하도록 상기 디스플레이를 제어하는 전자 장치.
Priority Applications (8)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170140805A KR102599947B1 (ko) | 2017-10-27 | 2017-10-27 | 관련 이미지를 검색하기 위한 전자 장치 및 이의 제어 방법 |
| US16/757,826 US11853108B2 (en) | 2017-10-27 | 2018-10-24 | Electronic apparatus for searching related image and control method therefor |
| CN202311341684.7A CN117421437A (zh) | 2017-10-27 | 2018-10-24 | 用于搜索相关图像的电子装置及其控制方法 |
| CN201880067738.6A CN111247536B (zh) | 2017-10-27 | 2018-10-24 | 用于搜索相关图像的电子装置及其控制方法 |
| CN202311346826.9A CN117493596A (zh) | 2017-10-27 | 2018-10-24 | 用于搜索相关图像的电子装置及其控制方法 |
| PCT/KR2018/012640 WO2019083275A1 (ko) | 2017-10-27 | 2018-10-24 | 관련 이미지를 검색하기 위한 전자 장치 및 이의 제어 방법 |
| EP18869828.6A EP3663990A1 (en) | 2017-10-27 | 2018-10-24 | Electronic apparatus for searching related image and control method therefor |
| KR1020230150961A KR20230157274A (ko) | 2017-10-27 | 2023-11-03 | 관련 이미지를 검색하기 위한 전자 장치 및 이의 제어 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170140805A KR102599947B1 (ko) | 2017-10-27 | 2017-10-27 | 관련 이미지를 검색하기 위한 전자 장치 및 이의 제어 방법 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230150961A Division KR20230157274A (ko) | 2017-10-27 | 2023-11-03 | 관련 이미지를 검색하기 위한 전자 장치 및 이의 제어 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190047214A KR20190047214A (ko) | 2019-05-08 |
| KR102599947B1 true KR102599947B1 (ko) | 2023-11-09 |
Family
ID=66246911
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170140805A KR102599947B1 (ko) | 2017-10-27 | 2017-10-27 | 관련 이미지를 검색하기 위한 전자 장치 및 이의 제어 방법 |
| KR1020230150961A KR20230157274A (ko) | 2017-10-27 | 2023-11-03 | 관련 이미지를 검색하기 위한 전자 장치 및 이의 제어 방법 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230150961A KR20230157274A (ko) | 2017-10-27 | 2023-11-03 | 관련 이미지를 검색하기 위한 전자 장치 및 이의 제어 방법 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11853108B2 (ko) |
| EP (1) | EP3663990A1 (ko) |
| KR (2) | KR102599947B1 (ko) |
| CN (3) | CN111247536B (ko) |
| WO (1) | WO2019083275A1 (ko) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102116264B1 (ko) * | 2018-04-02 | 2020-06-05 | 카페24 주식회사 | 대표이미지 추천 방법 및 장치, 및 시스템 |
| US11745351B2 (en) * | 2019-01-03 | 2023-09-05 | Lucomm Technologies, Inc. | Robotic devices |
| KR102030027B1 (ko) * | 2019-05-09 | 2019-10-08 | (주)엠폴시스템 | 라벨링 데이터 정제방법, 장치 및 프로그램 |
| JP6590329B1 (ja) * | 2019-06-26 | 2019-10-16 | 株式会社ラディウス・ファイブ | 画像表示システム及びプログラム |
| CN110609833A (zh) * | 2019-09-19 | 2019-12-24 | 广东小天才科技有限公司 | 一种书本页码的识别方法、装置、家教机及存储介质 |
| JP6800453B1 (ja) * | 2020-05-07 | 2020-12-16 | 株式会社 情報システムエンジニアリング | 情報処理装置及び情報処理方法 |
| DE112020007226T5 (de) * | 2020-05-22 | 2023-04-13 | Intel Corporation | Technologie zur nutzung von videoquellen-kontextinformationen bei dernachbearbeitung |
| TW202207007A (zh) * | 2020-08-14 | 2022-02-16 | 新穎數位文創股份有限公司 | 物件辨識裝置與物件辨識方法 |
| KR102310595B1 (ko) * | 2021-02-10 | 2021-10-13 | 주식회사 인피닉 | 제안된 정보를 이용하여 객체 속성을 설정할 수 있는 어노테이션 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
| KR102310585B1 (ko) * | 2021-02-10 | 2021-10-13 | 주식회사 인피닉 | 용이하게 객체를 지정할 수 있는 어노테이션 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
| KR102356909B1 (ko) * | 2021-05-13 | 2022-02-08 | 주식회사 인피닉 | 인공지능 학습용 데이터의 객체를 지정하고 속성을 설정하는 어노테이션 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
| CN113449135B (zh) * | 2021-08-31 | 2021-11-19 | 阿里巴巴达摩院(杭州)科技有限公司 | 图像生成系统与方法 |
| CN115774806A (zh) * | 2021-09-08 | 2023-03-10 | 腾讯科技（深圳）有限公司 | 一种搜索处理方法、装置、设备、介质及程序产品 |
| US20230152946A1 (en) * | 2021-11-17 | 2023-05-18 | Google Llc | Methods and apparatus for search of an area rendered within a browser |
| US20230326048A1 (en) * | 2022-03-24 | 2023-10-12 | Honda Motor Co., Ltd. | System, information processing apparatus, vehicle, and method |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080071770A1 (en) | 2006-09-18 | 2008-03-20 | Nokia Corporation | Method, Apparatus and Computer Program Product for Viewing a Virtual Database Using Portable Devices |
| US20100260426A1 (en) * | 2009-04-14 | 2010-10-14 | Huang Joseph Jyh-Huei | Systems and methods for image recognition using mobile devices |
| US20140003714A1 (en) * | 2011-05-17 | 2014-01-02 | Microsoft Corporation | Gesture-based visual search |
| CN102625937B (zh) | 2009-08-07 | 2014-02-12 | 谷歌公司 | 用于对视觉查询作出响应的体系结构 |
| US9489401B1 (en) | 2015-06-16 | 2016-11-08 | My EyeSpy PTY Ltd. | Methods and systems for object recognition |
| KR101768521B1 (ko) | 2016-05-02 | 2017-08-17 | 네이버 주식회사 | 이미지에 포함된 객체에 대한 정보 데이터를 제공하는 방법 및 시스템 |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101553831A (zh) | 2006-09-18 | 2009-10-07 | 诺基亚公司 | 用于使用便携式设备查看虚拟数据库的方法、装置和计算机程序产品 |
| KR100930249B1 (ko) | 2008-02-29 | 2009-12-09 | 한국과학기술원 | 영상으로부터 얻은 정보를 이용하여 인터넷을 검색하는장치 및 그 방법 |
| JP5811849B2 (ja) | 2009-12-24 | 2015-11-11 | 株式会社ニコン | 検索支援システム、検索支援方法及び検索支援プログラム |
| KR101730367B1 (ko) | 2010-05-07 | 2017-04-26 | 엘지전자 주식회사 | 이동 단말기 및 그 제어방법 |
| KR101698096B1 (ko) | 2010-10-08 | 2017-01-19 | 엘지전자 주식회사 | 단말기의 드로잉을 이용한 검색 방법 및 그 단말기 |
| JP5830784B2 (ja) | 2011-06-23 | 2015-12-09 | サイバーアイ・エンタテインメント株式会社 | 画像認識システムを組込んだ関連性検索によるインタレスト・グラフ収集システム |
| US8311973B1 (en) * | 2011-09-24 | 2012-11-13 | Zadeh Lotfi A | Methods and systems for applications for Z-numbers |
| EP2624198A1 (en) | 2012-01-26 | 2013-08-07 | Hyundai Motor Company | Search method using a plurality of space of interest objects |
| KR101993241B1 (ko) | 2012-08-06 | 2019-06-26 | 삼성전자주식회사 | 이미지에 대한 부가 정보 태깅 및 검색 방법과 시스템, 기기와 그 기록 매체 |
| KR102059913B1 (ko) * | 2012-11-20 | 2019-12-30 | 삼성전자주식회사 | 태그 정보 저장 방법 및 장치와 태그 정보를 이용한 이미지 검색 방법 및 장치 |
| KR102090269B1 (ko) | 2012-12-14 | 2020-03-17 | 삼성전자주식회사 | 정보 검색 방법, 그와 같은 기능을 갖는 디바이스 및 기록 매체 |
| US9367625B2 (en) | 2013-05-03 | 2016-06-14 | Facebook, Inc. | Search query interactions on online social networks |
| KR102157313B1 (ko) | 2013-09-03 | 2020-10-23 | 삼성전자주식회사 | 촬영된 영상을 이용하여 객체를 인식하는 방법 및 컴퓨터 판독 가능한 기록 매체 |
| KR102065416B1 (ko) | 2013-09-23 | 2020-01-13 | 엘지전자 주식회사 | 이동단말기 및 그 제어방법 |
| US10515110B2 (en) | 2013-11-12 | 2019-12-24 | Pinterest, Inc. | Image based search |
| KR102158691B1 (ko) | 2014-01-08 | 2020-09-22 | 엘지전자 주식회사 | 이동 단말기 및 그 제어 방법 |
| US9426568B2 (en) | 2014-04-15 | 2016-08-23 | Harman International Industries, LLC | Apparatus and method for enhancing an audio output from a target source |
| KR102178892B1 (ko) | 2014-09-15 | 2020-11-13 | 삼성전자주식회사 | 정보 제공 방법 및 그 전자 장치 |
| KR102402511B1 (ko) | 2015-02-03 | 2022-05-27 | 삼성전자주식회사 | 영상 검색 방법 및 이를 위한 장치 |
| CN106570015B (zh) | 2015-10-09 | 2020-02-21 | 杭州海康威视数字技术股份有限公司 | 图像搜索方法和装置 |
-
2017
- 2017-10-27 KR KR1020170140805A patent/KR102599947B1/ko active IP Right Grant
-
2018
- 2018-10-24 US US16/757,826 patent/US11853108B2/en active Active
- 2018-10-24 CN CN201880067738.6A patent/CN111247536B/zh active Active
- 2018-10-24 EP EP18869828.6A patent/EP3663990A1/en not_active Ceased
- 2018-10-24 CN CN202311341684.7A patent/CN117421437A/zh active Pending
- 2018-10-24 CN CN202311346826.9A patent/CN117493596A/zh active Pending
- 2018-10-24 WO PCT/KR2018/012640 patent/WO2019083275A1/ko unknown
-
2023
- 2023-11-03 KR KR1020230150961A patent/KR20230157274A/ko active Application Filing
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080071770A1 (en) | 2006-09-18 | 2008-03-20 | Nokia Corporation | Method, Apparatus and Computer Program Product for Viewing a Virtual Database Using Portable Devices |
| US20100260426A1 (en) * | 2009-04-14 | 2010-10-14 | Huang Joseph Jyh-Huei | Systems and methods for image recognition using mobile devices |
| US9195898B2 (en) | 2009-04-14 | 2015-11-24 | Qualcomm Incorporated | Systems and methods for image recognition using mobile devices |
| CN102625937B (zh) | 2009-08-07 | 2014-02-12 | 谷歌公司 | 用于对视觉查询作出响应的体系结构 |
| US20140003714A1 (en) * | 2011-05-17 | 2014-01-02 | Microsoft Corporation | Gesture-based visual search |
| US9489401B1 (en) | 2015-06-16 | 2016-11-08 | My EyeSpy PTY Ltd. | Methods and systems for object recognition |
| KR101768521B1 (ko) | 2016-05-02 | 2017-08-17 | 네이버 주식회사 | 이미지에 포함된 객체에 대한 정보 데이터를 제공하는 방법 및 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| US11853108B2 (en) | 2023-12-26 |
| CN111247536B (zh) | 2023-11-10 |
| KR20230157274A (ko) | 2023-11-16 |
| EP3663990A4 (en) | 2020-06-10 |
| CN117493596A (zh) | 2024-02-02 |
| US20210191971A1 (en) | 2021-06-24 |
| KR20190047214A (ko) | 2019-05-08 |
| WO2019083275A1 (ko) | 2019-05-02 |
| EP3663990A1 (en) | 2020-06-10 |
| CN117421437A (zh) | 2024-01-19 |
| CN111247536A (zh) | 2020-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102599947B1 (ko) | 관련 이미지를 검색하기 위한 전자 장치 및 이의 제어 방법 | |
| KR102644088B1 (ko) | 인공지능 학습모델을 이용하여 요약 정보를 제공하기 위한 전자 장치 및 이의 제어 방법 | |
| US10956007B2 (en) | Electronic device and method for providing search result thereof | |
| KR102542049B1 (ko) | 인공지능 학습모델을 이용하여 요약 정보를 제공하기 위한 전자 장치 및 이의 제어 방법 | |
| KR20240006713A (ko) | 챗봇 변경을 위한 위한 전자 장치 및 이의 제어 방법 | |
| US20190042574A1 (en) | Electronic device and method for controlling the electronic device | |
| US11954150B2 (en) | Electronic device and method for controlling the electronic device thereof | |
| US11721333B2 (en) | Electronic apparatus and control method thereof | |
| US20160224591A1 (en) | Method and Device for Searching for Image | |
| CN110998507B (zh) | 电子装置及其用于提供搜索结果的方法 | |
| CN112106042A (zh) | 电子设备及其控制方法 | |
| KR102469717B1 (ko) | 오브젝트에 대한 검색 결과를 제공하기 위한 전자 장치 및 이의 제어 방법 | |
| CN111902812A (zh) | 电子装置及其控制方法 | |
| KR102398386B1 (ko) | 복수 개의 메시지들을 필터링하는 방법 및 이를 위한 장치 | |
| KR102438132B1 (ko) | 전자 장치 및 그의 제어 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) |