KR20170132414A - 지역 사진 및 거리뷰의 간판 이미지를 활용한 지역 정보 검출 및 보정 방법 및 시스템 - Google Patents

지역 사진 및 거리뷰의 간판 이미지를 활용한 지역 정보 검출 및 보정 방법 및 시스템 Download PDF

Info

Publication number
KR20170132414A
KR20170132414A KR1020160063194A KR20160063194A KR20170132414A KR 20170132414 A KR20170132414 A KR 20170132414A KR 1020160063194 A KR1020160063194 A KR 1020160063194A KR 20160063194 A KR20160063194 A KR 20160063194A KR 20170132414 A KR20170132414 A KR 20170132414A
Authority
KR
South Korea
Prior art keywords
information
changed
business
providing
vendor
Prior art date
Application number
KR1020160063194A
Other languages
English (en)
Other versions
KR101823464B1 (ko
Inventor
김영관
Original Assignee
네이버 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 네이버 주식회사 filed Critical 네이버 주식회사
Priority to KR1020160063194A priority Critical patent/KR101823464B1/ko
Publication of KR20170132414A publication Critical patent/KR20170132414A/ko
Application granted granted Critical
Publication of KR101823464B1 publication Critical patent/KR101823464B1/ko

Links

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
    • G06F16/58—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
    • G06F16/5846—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 extracted text
    • G06F17/30253—
    • G06F15/18—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G06F17/30241—
    • G06F17/30345—
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

일 실시예에 따른 정보를 제공하는 방법 및 시스템이 개시된다. 정보를 제공하는 방법은, 위치 정보가 포함된 사진 정보를 획득하고, 상기 사진 정보에 포함된 업체 정보를 추출하고, 상기 추출된 업체 정보를 기 저장된 샘플 정보와 비교하여 변경된 업체 정보를 자동으로 감지하고, 상기 변경된 업체 정보를 상기 샘플 정보에 업데이트하고, 상기 변경된 업체 정보를 표시하도록 제공할 수 있다.

Description

지역 사진 및 거리뷰의 간판 이미지를 활용한 지역 정보 검출 및 보정 방법 및 시스템{METHOD AND SYSTEM FOR DETECTING AND CORRECTING LOCAL INFORMATION USING LOCAL PHOTO AND SIGNAGE IMAGE OF STREET VIEW}
아래의 설명은 사진 정보로부터 업체 정보를 자동으로 취득하여 개점한 업체와 폐점한 업체를 자동으로 감지하는 기술에 관한 것이다.
통신, 멀티미디어 기술의 다양한 발달로 업체 정보를 제공하기 위한 수단이 다양해졌다. 이에 따라 사용자가 편리하게 이용할 수 있는 업체 정보 제공 서비스가 제공되고 있다.
종래에는 업체 정보를 제공함에 있어서, 유선전화를 기반으로 하는 114 전화번호 안내서비스가 있다. 유선전화를 기반으로 하는 안내서비스의 경우 안내원과 상담함에 따라 업체에 대한 전화번호를 직접 연결시켜주는 방법이다.
더 나아가 유무선 인터넷을 통하여 사용자가 원하는 업체를 검색함에 따라 업체 정보를 제공하는 서비스가 있다. 예를 들면, 사용자가 검색 엔진을 통하여 업체를 검색함에 따라 업체에 대한 다양한 정보를 제공받을 수 있게 되었다. 이에 따라 최신의 정보를 유지하는 것이 매우 중요하게 되었다.
종래의 정보 제공 서비스들은 사용자의 제보에 의존하여 새로운 정보를 업데이트하기 때문에 폐점하는 업체와 신생 업체에 대한 정보를 파악하는 것이 어렵다. 또한, 업체 정보를 변경하는 과정이 수작업에 의존하고 있게 때문에 최신의 업체 정보를 제공하는 데에 한계가 있다.
비특허문헌:
1. Fast R-CNN, Ross Girshick, Microsoft Research [http://arxiv.org/pdf/1504.08083]
위치 정보가 포함된 사진 정보로부터 업체 정보를 추출하여 개점한 업체 또는 폐점한 업체를 자동으로 감지하는 방법 및 시스템을 제공할 수 있다.
개점한 업체 또는 폐점한 업체를 자동으로 감지함으로써 변경된 정보를 보정하고, 변경된 정보를 통보하는 방법 및 시스템을 제공할 수 있다.
일 실시예에 따르면, 정보를 제공하는 방법은, 위치 정보가 포함된 사진 정보를 획득하는 단계; 상기 사진 정보에 포함된 업체 정보를 추출하는 단계; 상기 추출된 업체 정보를 기 저장된 샘플 정보와 비교하여 변경된 업체 정보를 자동으로 감지하는 단계; 및 상기 변경된 업체 정보를 상기 샘플 정보에 업데이트하고, 상기 변경된 업체 정보를 표시하도록 제공하는 단계를 포함할 수 있다.
상기 변경된 업체 정보를 상기 샘플 정보에 업데이트하고, 상기 변경된 업체 정보를 표시하도록 제공하는 단계는, 변경된 업체의 상호명, 변경된 업체의 전화 번호 또는 변경된 업체의 이미지 중 어느 하나의 변경된 업체 정보를 검색 엔진에 제공하고, 상기 검색 엔진에 제공된 변경된 업체 정보가 업데이트되었음을 표시하도록 제공하는 단계를 포함할 수 있다.
상기 변경된 업체 정보를 상기 샘플 정보에 업데이트하고, 상기 변경된 업체 정보를 표시하도록 제공하는 단계는, 상기 변경된 업체의 상호명, 상기 변경된 업체의 전화 번호, 상기 변경된 업체의 이미지 또는 상기 변경된 업체 정보가 업데이트된 날짜 중 어느 하나의 변경된 업체 정보를 데이터베이스화하는 단계를 포함할 수 있다.
상기 위치 정보가 포함된 사진 정보를 획득하는 단계는, 지도, 상기 지도가 영상으로 제공되는 거리뷰, 또는 사용자로부터 제작된 콘텐츠(User Generated Contents)에 포함된 사진 정보로부터 위치 정보 및 지역 정보를 획득할 수 있다.
상기 사진 정보에 포함된 업체 정보를 추출하는 단계는, 기 설정된 시간 이전에 지도, 거리뷰로부터 획득된 사진 정보 또는 사용자로부터 제작된 콘텐츠에 포함된 사진 정보에 대하여 딥 러닝 학습을 수행하여 상기 업체 정보를 추출하기 위한 트레이닝 데이터를 구축하는 단계를 포함할 수 있다.
상기 사진 정보에 포함된 업체 정보를 추출하는 단계는, 상기 기 설정된 시간 이전에 획득된 사진 정보로부터 텍스트 또는 이미지를 추출하고, 상기 추출된 텍스트에 대한 텍스트 정보 또는 상기 추출된 이미지에 대한 이미지 정보에 대하여 기계학습을 통하여 트레이닝하여 지식베이스를 구축하는 단계를 포함할 수 있다.
상기 추출된 업체 정보를 기 저장된 샘플 정보와 비교하여 변경된 업체 정보를 자동으로 감지하는 단계는, 상기 샘플 정보에 포함된 텍스트 정보와 상기 추출된 업체 정보에 포함된 텍스트 정보를 비교하고, 상기 샘플 정보에 포함된 이미지 정보와 상기 추출된 업체 정보에 포함된 텍스트 정보를 비교하여 개점한 업체 또는 폐점한 업체를 감지하는 단계를 포함할 수 있다.
일 실시예에 따르면, 정보 제공 방법을 실행시키기 위해 매체에 저장된 컴퓨터 프로그램에 있어서, 상기 정보 제공 방법은, 위치 정보가 포함된 사진 정보를 획득하는 단계; 상기 사진 정보에 포함된 업체 정보를 추출하는 단계; 상기 추출된 업체 정보를 기 저장된 샘플 정보와 비교하여 변경된 업체 정보를 자동으로 감지하는 단계; 및 상기 변경된 업체 정보를 상기 샘플 정보에 업데이트하고, 상기 변경된 업체 정보를 표시하도록 제공하는 단계를 포함할 수 있다.
일 실시예에 따르면, 정보를 제공하는 시스템은 위치 정보가 포함된 사진 정보를 획득하는 획득부; 상기 사진 정보에 포함된 업체 정보를 추출하는 추출부; 상기 추출된 업체 정보를 기 저장된 샘플 정보와 비교하여 변경된 업체 정보를 자동으로 감지하는 감지부; 및 상기 변경된 업체 정보를 상기 샘플 정보에 업데이트하고, 상기 변경된 업체 정보를 표시하도록 제공하는 제공부를 포함할 수 있다.
상기 제공부는, 변경된 업체의 상호명, 변경된 업체의 전화 번호 또는 변경된 업체의 이미지 중 어느 하나의 변경된 업체 정보를 검색 엔진에 제공하고, 상기 검색 엔진에 제공된 변경된 업체 정보가 업데이트되었음을 표시하도록 제공할 수 있다.
상기 제공부는, 상기 변경된 업체의 상호명, 상기 변경된 업체의 전화 번호, 상기 변경된 업체의 이미지 또는 상기 변경된 업체 정보가 업데이트된 날짜 중 어느 하나의 변경된 업체 정보를 데이터베이스화할 수 있다.
상기 획득부는, 지도, 상기 지도가 영상으로 제공되는 거리뷰, 또는 사용자로부터 제작된 콘텐츠(User Generated Contents)에 포함된 사진 정보로부터 위치 정보 및 지역 정보를 획득할 수 있다.
상기 추출부는, 기 설정된 시간 이전에 지도, 거리뷰로부터 획득된 사진 정보 또는 사용자로부터 제작된 콘텐츠에 포함된 사진 정보에 대하여 딥 러닝 학습을 수행하여 상기 업체 정보를 추출하기 위한 트레이닝 데이터를 구축할 수 있다.
상기 추출부는, 상기 기 설정된 시간 이전에 획득된 사진 정보로부터 텍스트 또는 이미지를 추출하고, 상기 추출된 텍스트에 대한 텍스트 정보 또는 상기 추출된 이미지에 대한 이미지 정보에 대하여 기계학습을 통하여 트레이닝하여 지식베이스를 구축할 수 있다.
상기 감지부는, 상기 샘플 정보에 포함된 텍스트 정보와 상기 추출된 업체 정보에 포함된 텍스트 정보를 비교하고, 상기 샘플 정보에 포함된 이미지 정보와 상기 추출된 업체 정보에 포함된 텍스트 정보를 비교하여 개점한 업체 또는 폐점한 업체를 감지할 수 있다.
일 실시예에 따른 정보 제공 시스템은 위치 정보가 포함된 사진 정보를 획득하고, 트레이닝 데이터에 기초하여 사진 정보에 포함된 업체 정보를 추출하고, 추출된 업체 정보를 기 저장된 업체 정보와 비교함으로써 개점한 업체 또는 폐점한 업체를 자동으로 감지할 수 있다.
일 실시예에 따른 정보 제공 시스템은 개점한 업체 또는 폐점한 업체를 자동으로 감지함으로써 변경된 업체 정보를 보정하여 데이터베이스화하고, 변경된 업체 정보가 변경되었음을 별도로 표시함으로써 보다 정확한 정보를 제공할 수 있다.
도 1은 일 실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 2는 일 실시예에 따른 사용자 단말과 서버의 내부 구성을 설명하기 위한 블록도이다.
도 3은 일 실시예에 따른 정보 제공 서버의 프로세서가 포함할 수 있는 구성 요소의 예를 도시한 도면이다.
도 4는 일 실시예에 따른 정보 제공 서버에 의해 수행되는 정보 제공 방법을 설명하기 위한 흐름도이다.
도 5 및 도 6은 일 실시예에 따른 사용자 단말에서 사진 정보를 획득하고, 획득된 사진 정보로부터 업체 정보를 추출하는 방법을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 사용자로부터 제작된 콘텐츠에서 사진 정보를 획득하고, 획득된 사진 정보로부터 업체 정보를 추출하는 방법을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 사진 정보에 포함되는 메타정보 포맷을 설명하기 위한 예이다.
도 9는 일 실시예에 따른 업체 정보가 변경됨을 감지함에 따라 제공부가 변경된 업체 정보를 사용자에게 제공하는 방법을 설명하기 위한 도면이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
도 1은 일 실시예에 따른 네트워크 환경의 예를 도시한 도면이다.
도 1의 네트워크 환경은 사용자 단말(110), 복수의 서버들(100, 101, 102) 및 네트워크(120)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 기기의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다.
사용자 단말(110)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 사용자 단말(110)의 예를 들면, 스마트폰(smart phone), 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털 방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등이 있다. 일례로 사용자 단말(110)은 무선 또는 유선 통신 방식을 이용하여 네트워크(120)를 통해 다른 사용자 단말 및/또는 서버(100, 101, 102)와 통신할 수 있다.
통신 방식은 제한되지 않으며, 네트워크(120)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(120)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(120)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
서버(100, 101, 102) 각각은 사용자 단말(110)과 네트워크(120)를 통해 통신하여 명령, 코드, 파일, 콘텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 서버 컴퓨터의 예로는 서버 컴퓨팅 디바이스, 개인용 컴퓨터, 서버 컴퓨터, 일련의 서버 컴퓨터들, 미니 컴퓨터 및/또는 메인프레임 컴퓨터를 포함할 수 있지만 이러한 것으로만 한정되는 것은 아니다. 서버 컴퓨터는 분산형 시스템일 수 있고, 그리고 서버 컴퓨터의 동작들은 하나 이상의 프로세서들 상에서 동시에 그리고/또는 순차적으로 실행될 수 있다.
일례로, 서버(100)는 위치 정보가 포함된 사진 정보를 획득함에 따라 업체 정보를 추출하고, 추출된 업체 정보를 기 저장된 샘플 정보와 비교함으로써 변경된 업체 정보를 자동으로 감지하여 변경된 업체 정보를 사용자 단말(110)로 제공할 수 있다.
다른 예로, 서버(101)는 네트워크(120)를 통해 접속한 사용자 단말(110)로 어플리케이션의 설치를 위한 파일을 제공할 수 있다. 이 경우 사용자 단말(110)은 서버(101)로부터 제공된 파일을 이용하여 어플리케이션을 설치할 수 있다.
사용자 단말(110)이 포함하는 운영체제(Operating System, OS) 및 적어도 하나의 프로그램(일례로 브라우저나 상기 설치된 어플리케이션)의 제어에 따라 서버(100)에 접속하여 서버(100)가 제공하는 서비스나 콘텐츠를 제공받을 수 있다. 예를 들어, 사용자 단말(110)이 어플리케이션의 제어에 따라 네트워크(120)를 통해 서비스 요청 메시지를 서버(100)로 전송하면, 서버(100)는 서비스 요청 메시지에 대응하는 코드를 사용자 단말(110)로 전송할 수 있고, 사용자 단말(110)은 어플리케이션의 제어에 따라 코드에 따른 화면을 구성하여 표시함으로써 사용자에게 콘텐츠를 제공할 수 있다.
도 2는 일 실시예에 따른 사용자 단말과 정보 제공 시스템의 구성 요소들을 나타낸 도면이다.
사용자 단말(110)과 서버(100)는 메모리(211, 221), 프로세서(212, 222), 통신 모듈(213, 223) 그리고 입출력 인터페이스(214, 224)를 포함할 수 있다. 메모리(211, 221)는 컴퓨터에서 판독 가능한 기록 매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록 장치(permanent mass storage device)를 포함할 수 있다. 또한, 메모리(211, 221)에는 운영체제와 적어도 하나의 프로그램 코드(일례로 사용자 단말(110)에 설치되어 구동되는 브라우저나 상술한 어플리케이션 등을 위한 코드)가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(211, 221)와는 별도의 컴퓨터에서 판독 가능한 기록 매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록 매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록 매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록 매체가 아닌 통신 모듈(213, 223)을 통해 메모리(211, 221)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템(일례로 상술한 서버(101))이 네트워크(120)를 통해 제공하는 파일들에 의해 설치되는 프로그램(일례로 상술한 어플리케이션)에 기반하여 메모리(211, 221)에 로딩될 수 있다.
프로세서(212, 222)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(211, 221) 또는 통신 모듈(213, 223)에 의해 프로세서(212, 222)로 제공될 수 있다. 예를 들어 프로세서(212, 222)는 메모리(211, 221)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 모듈(213, 223)은 네트워크(120)를 통해 사용자 단말(110)과 서버(100)가 서로 통신하기 위한 기능을 제공할 수 있으며, 다른 사용자 단말 또는 다른 서버와 통신하기 위한 기능을 제공할 수 있다. 일례로, 사용자 단말(110)의 프로세서(212)가 메모리(211)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이 통신 모듈(213)의 제어에 따라 네트워크(120)를 통해 서버(100)로 전달될 수 있다. 역으로, 서버(100)의 프로세서(222)의 제어에 따라 제공되는 제어 신호나 명령, 콘텐츠, 파일 등이 통신 모듈(223)과 네트워크(120)를 거쳐 사용자 단말(110)의 통신 모듈(213)을 통해 사용자 단말(110)로 수신될 수 있다. 예를 들어 통신 모듈(213)을 통해 수신된 서버(100)의 제어 신호나 명령 등은 프로세서(212)나 메모리(211)로 전달될 수 있고, 콘텐츠나 파일 등은 사용자 단말(110)이 더 포함할 수 있는 저장 매체로 저장될 수 있다.
입출력 인터페이스(214, 224)는 입출력 장치(215)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 어플리케이션의 통신 세션을 표시하기 위한 디스플레이와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(214)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 보다 구체적인 예로, 사용자 단말(110)의 프로세서(212)는 메모리(211)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 서버(100)나 다른 사용자 단말이 제공하는 데이터를 이용하여 구성되는 서비스 화면이나 콘텐츠가 입출력 인터페이스(214)를 통해 디스플레이에 표시될 수 있다.
또한, 다른 실시예들에서 사용자 단말(110) 및 서버(100)는 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다. 예를 들어, 사용자 단말(110)은 상술한 입출력 장치(215) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), GPS(Global Positioning System) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
GPS 모듈은 GPS 위성으로부터 전송되는 신호를 수신하여 사용자 단말(110)의 위치 정보(예를 들면, 현재 위치)를 계산하는 위성항법시스템을 의미할 수 있다. 예를 들면, 사용자가 사용자 단말(110)을 통하여 사진을 촬영한 경우, 사용자가 사진을 촬영한 위치에 대한 위치 정보가 사진 정보에 포함될 수 있다.
도 3은 일 실시예에 따른 정보 제공 서버의 프로세서가 포함할 수 있는 구성 요소의 예를 도시한 도면이고, 도 4는 일 실시예에 따른 정보 제공 서버에 의해 수행되는 정보 제공 방법을 설명하기 위한 흐름도이다.
정보 제공 서버(100)의 프로세서(222)는 획득부(310), 추출부(320), 감지부(330) 및 제공부(340)를 포함할 수 있다. 프로세서(220) 및 프로세서(222)의 구성요소들은 도 4의 정보 제공 방법이 포함하는 단계들(S410 내지 S440)을 수행할 수 있다.
프로세서(222)는 정보 제공 방법을 위한 프로그램 파일에 저장된 프로그램 코드를 메모리(220)에 로딩할 수 있다.
프로세서(222) 및 프로세서(222)의 구성요소들은 메모리가 포함하는 운영체제의 코드와 적어도 하나의 프로그램의 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서의 구성요소들은 서버(100)에 저장된 프로그램 코드가 제공하는 제어 명령에 따라 프로세서(222)에 의해 수행되는 서로 다른 기능들(different functions)의 표현들일 수 있다.
서버(100)는 저장부(도시되지 않음)를 포함할 수 있다. 저장부는 데이터베이스(350, 351, 352)에 각종 정보 및 데이터를 저장하는 역할을 수행할 수 있다.
단계(S410)에서 획득부(310)는 위치 정보가 포함된 사진 정보를 획득할 수 있다. 획득부(310)는 지도, 지도가 영상으로 제공되는 거리뷰, 로드뷰, 사용자로부터 제작된 콘텐츠(User Generated Contents)에 포함된 사진 정보를 획득할 수 있다. 저장부는 획득부(310)로부터 획득된 위치 정보가 포함된 사진 정보를 사진 정보 데이터베이스(350)에 저장할 수 있다. 이때, 사진 정보 데이터베이스(350)는 위치 정보(예를 들면, 사진이 촬영된 위치 정보, 사진이 촬영된 날짜 정보, 사진이 촬영된 이미지 정보 등)를 저장할 수 있다. 프로세서(222)는 획득부(310)로부터 사진 정보가 획득됨에 따라 사진 정보에 포함된 위치 정보를 파악할 수 있다.
단계(S420)에서 추출부(320)는 사진 정보에 포함된 업체 정보를 추출할 수 있다. 이때, 프로세서(222)는 기 설정된 시간 이전에 지도, 거리뷰로부터 획득된 사진 정보 또는 사용자로부터 제작된 콘텐츠에 포함된 사진 정보에 대하여, 예컨대 딥 러닝(Deep Learning) 학습을 수행하여 업체 정보를 추출하기 위한 트레이닝 데이터를 구축하고 이렇게 구축된 트레이닝 데이터에 기초하여 사진 정보로부터 업체 정보를 추출할 수 있다.
프로세서(222)는 기 설정된 시간 이전에 획득된 사진 정보로부터 텍스트 또는 이미지를 추출하고, 텍스트에 대한 텍스트 정보 또는 이미지에 대한 이미지 정보에 대하여 기계학습을 통하여 트레이닝하여 학습 데이터베이스(351)에 지식베이스를 구축할 수 있다. 저장부는 기계학습을 통하여 트레이닝된 트레이닝 데이터를 학습 데이터베이스(351)에 저장할 수 있다. 예를 들면, 학습 데이터베이스(351)는 업체 정보에 대한 텍스트 정보, 이미지 정보 등을 포함하고 있을 수 있다. 추출부(320)는 학습 데이터베이스(351)에 저장된 트레이닝 데이터에 기초하여 사진 정보에 포함된 업체 정보를 추출할 수 있다.
딥 러닝(Dee Learning) 기반 객체 검출 기술은 CNN(convolutional neural network)을 이용하여 수집된 학습 이미지를 바탕으로 객체 학습 모델을 구축하고 해당 모델의 최적화된 파라미터 세트를 이용하여 객체를 검출하는 기술로서 이와 관련하여 여러 알고리즘이 널리 알려져 있으며, 본 발명에서도 이렇게 알려진 딥 러닝(Dee Learning) 기반 객체 검출 기술 중 하나를 이용하여 단계(S420)가 수행될 수 있다. 예컨대, 비특허문헌 1 (Fast R-CNN, Ross Girshick 저술, 2015년 4월 공개논문)에서 제안된 Fast R-CNN (Fast Region-based Convolutional Network method) 기법 등을 이용할 수 있다.
단계(S430)에서 감지부(330)는 추출된 업체 정보를 기 저장된 샘플 정보와 비교하여 변경된 업체 정보를 자동으로 감지할 수 있다. 이때, 샘플 정보 데이터베이스(352)에 가장 최근에 업데이트된 샘플 정보가 저장되어 있을 수 있다. 감지부(330)는 샘플 정보 데이터베이스(352)에 저장된 샘플 정보와 추출된 업체 정보를 비교함으로써 변경된 업체 정보를 감지하게 된다. 샘플 정보 데이터베이스(352)는 가장 최근에 업데이트된 업체 정보가 저장되어 있는 데이터베이스로서, 업체의 이미지의 정보, 업체의 상호명, 업체의 전화번호, 업체의 위치, 업체 정보가 가장 최근에 업데이트된 날짜 등이 저장되어 있다. 이때, 샘플 정보 데이터베이스(352)는 업체 정보가 변경됨에 따라 변경된 업체 정보를 지속적으로 업데이트하게 된다.
예를 들면, 감지부(330)는 샘플 정보에 포함된 텍스트 정보와 추출된 업체 정보에 포함된 텍스트 정보를 비교할 수 있고, 샘플 정보에 포함된 이미지 정보와 추출된 업체 정보에 포함된 텍스트 정보를 비교하여 개점한 업체 또는 폐점한 업체를 감지할 수 있다. 이때, 감지부(330)는 업체 정보에 대한 샘플 정보가 없을 경우 개점한 업체임을 판단할 수 있다. 또한, 예를 들면, 감지부(330)는 업체 정보와 기 저장된 샘플 정보와 비교함에 따라 업체의 상호명이 한글에서 영문으로 바뀐 경우 또는 영문에서 한글로 바뀐 경우, 업체 정보가 변경되지 않음을 인지할 수 있다.
단계(S440)에서 제공부(340)는 변경된 업체 정보를 샘플 정보에 업데이트하고, 변경된 업체 정보를 표시하도록 제공할 수 있다. 예를 들면, 제공부(340)는 변경된 업체 정보를 샘플 정보 데이터베이스(352)에 저장하도록 제공함에 따라 샘플 정보 데이터베이스(352)에 변경된 업체 정보가 저장될 수 있다. 제공부(340)는 변경된 업체의 상호명, 변경된 업체의 전화 번호 또는 변경된 업체의 이미지 중 적어도 어느 하나의 변경된 업체 정보를 데이터베이스화하도록 제공할 수 있다. 저장부는 변경된 업체 정보를 샘플 정보 데이터베이스(352)에 저장할 수 있다. 예를 들면, 제공부(340)는 변경된 업체의 상호명, 변경된 업체의 전화 번호, 변경된 업체의 이미지 중 적어도 어느 하나의 변경된 업체 정보를 검색 엔진에 제공하고, 검색 엔진에 제공된 변경된 업체 정보가 업데이트되었음을 표시하도록 제공할 수 있다.
도 5 및 도 6은 일 실시예에 따른 사용자 단말에서 취득된 사진 정보로부터 업체 정보를 추출하는 방법을 설명하기 위한 도면이다.
획득부(310)는 지도, 지도가 영상으로 제공되는 거리뷰, 사용자로부터 제작된 콘텐츠로부터 사진 정보를 획득할 수 있다. 도 7을 참고하면, 사용자로부터 제작된 콘텐츠에서 사진 정보를 획득하고, 획득된 사진 정보로부터 업체 정보를 추출하는 방법을 설명하기 위한 도면이다.
사용자(730)로부터 제작된 콘텐츠(User Created Contents)(720)란 사용자(730)가 상업적인 의도없이 제작한 콘텐츠(720)로서 예를 들면, 블로그, 포스트, 웹 문서 등과 같이 공개된 콘텐츠를 의미할 수 있다. 온라인 상에 사용자(730)로부터 생성된 사진 정보(730)가 포함된 콘텐츠(720)가 공개될 수 있다. 예를 들면, 사용자는 'A 업체'에 대한 글과 함께 사진 정보가 포함된 콘텐츠(720)를 생성할 수 있다.
획득부(310)는 예를 들면, 검색 엔진(700)에서 제공하는 콘텐츠(720)로부터 사진 정보를 획득할 수 있다. 더욱 상세하게는, 획득부(310)는 예를 들면, 'A 업체'의 사진으로부터 대한 간판, 업체명, 업체의 전화번호, 업체의 위치 등을 획득할 수 있다. 이때, 사용자로부터 생성된 콘텐츠에 포함된 사진 정보에는 교환 이미지 파일 형식으로 구성되어 있을 수 있다. 사진 정보의 교환 이미지 파일 형식에 대한 상세한 설명은 도 8에서 설명하기로 한다.
또는, 예를 들면, 택시 또는 버스와 같은 대중 교통에 카메라 기능이 제공되는 기기가 부착되어 사진이 촬영될 수 있다. 예를 들면, 획득부(310)는 차량의 블랙박스를 통하여 사진 또는 영상이 촬영됨에 따라 위치 정보가 포함된 사진 정보를 획득할 수 있다. 또는 예를 들면, 획득부(310)는 'B 역' 위치에 근처에 있는 사용자들로부터 촬영된 사진 정보를 획득할 수 있다. 사진 정보를 획득함에 있어서, 비즈니스 모델을 창출할 수 있다.
도 5 및 도 6을 참고하면, 기 설정된 반경 이내에서 각기 다른 방향, 다른 각도, 다른 위치에서 촬영된 사진 정보일 경우, 업체 정보를 추출하는 방법을 설명하기로 한다. 사용자는 사용자 단말(530, 630)을 통하여 업체를 촬영할 수 있다. 예를 들면, 사용자(520, 620)가 'D 업체'를 촬영한다고 가정하자. 도 5를 참고하면, 사용자(520)가 촬영한 사진에 D 업체, E 업체, F 업체가 포함될 수 있고, 도 6을 참고하면, 사용자(620)가 촬영한 사진에 B 업체, C 업체, D 업체가 포함되어 있을 수 있다. 획득부(310)는 사용자 단말(530, 630)로부터 위치 정보가 포함된 사진 정보(510, 610)를 획득할 수 있다.
프로세서(222)는 지도, 거리뷰로부터 획득된 사진 정보 또는 사용자로부터 제작된 콘텐츠에 포함된 사진 정보에 대하여 딥 러닝을 수행하여 업체 정보를 추출하기 위한 트레이닝 데이터를 구축할 수 있다. 프로세서(222)는 사진 정보로부터 텍스트 또는 이미지를 추출하고, 텍스트에 대한 텍스트 정보, 이미지에 대한 이미지 정보에 대하여 기계학습을 통하여 트레이닝함으로써 지식베이스를 구축할 수 있다.
프로세서(222)는 사진 정보에 포함된 위치 정보의 기 설정된 반경 이내에 포함된 건물들의 정보를 각각 비교함으로써 각기 다른 방향, 다른 각도, 다른 위치에서 촬영된 사진 정보를 비교함에 따라 트레이닝 데이터를 학습 데이터베이스(351)에 저장할 수 있다. 프로세서(222)는 각각의 사진 정보로부터 일치하는 업체 정보와 겹치지 않는 업체 정보에 대하여 각각의 사진 정보를 학습 데이터베이스(351)에 저장할 수 있다. 이때, 프로세서(222)는 겹치는 사진 정보에 대하여 가장 최근의 업체 정보를 업데이트하여 학습 데이터베이스(351)에 저장할 수 있다. 학습 데이터베이스(310)에 업체의 상호명, 변경된 업체의 전화 번호, 변경된 업체의 이미지 등이 저장될 수 있다.
추출부(320)는 사용자 단말로부터 획득된 사진 정보로부터 업체 정보를 추출할 수 있다. 예를 들면, 추출부(320)는 딥 러닝으로 학습된 트레이닝 데이터에 기초하여 사용자 단말로부터 획득된 사진 정보와 비교하여 업체 정보를 추출할 수 있다. 이때, 추출부(320)는 사진 정보와 트레이닝 데이터에 포함된 사진 정보의 각도, 위치 등이 완전히 일치하지 않더라도 각각의 사진 정보가 기 설정된 확률 이상으로 일치한다면, 이미지 프로세싱을 통하여 서로 다른 사진 정보가 동일하다고 인식하여 업체 정보를 추출할 수 있다. 예를 들면, 추출부(320)는 사진 정보로부터 트레이닝 데이터에 포함된 추출하고자 하는 업체 정보 및 업체 정보와 인접한 주변의 업체 정보들과 비교함으로써 사진 정보에 대한 업체 정보를 추출할 수 있다.
추출부(320)는 사진 정보로부터 업체의 상호명, 업체의 간판 이미지, 업체의 전화번호, 업체의 주소 등을 추출할 수 있다. 저장부는 추출부(320)로부터 추출된 업체의 상호명, 업체의 간판 이미지, 업체의 전화번호, 업체의 주소 등을 학습 데이터베이스(351)에 저장할 수 있다.
도 8은 일 실시예에 따른 사진 정보에 포함되는 메타정보 포맷을 설명하기 위한 예이다.
사진 정보(800)는 교환 이미지 파일 형식(Exchangeable Image File Format)으로 구성되어 있을 수 있다. 사진 정보(800)에는 위치 정보가 포함될 수 있다.
교환 이미지 파일 형식은 이미지 파일에 저장되어 있는 화상 파일 형식이다. 교환 이미지 파일형식을 너비(픽셀), 높이(픽셀), 수평 해상도(dpi), 수직 해상도(dpi), 비트 깊이, 프레임 수, 기기 제조원, 카메라 모델, 렌즈, 색 대표, 셔터 속도, 초점 거리, ISO 속도, 노출 프로그램, 노출보정, 촬영한 날짜, 보정한 날짜, GPS로부터 수신되는 위치 정보 등의 메타정보를 포함할 수 있다.
도 9는 일 실시예에 따른 업체 정보가 변경됨을 감지함에 따라 제공부가 변경된 업체 정보를 사용자에게 제공하는 방법을 설명하기 위한 도면이다.
감지부(330)는 추출된 업체 정보를 기 저장된 샘플 정보와 비교하여 변경된 업체 정보를 자동으로 감지할 수 있다. 예를 들면, 감지부는 샘플 정보에 저장된 업체의 상호명, 업체의 전화번호, 업체의 간판 이미지와 추출된 업체 정보에 포함된 업체의 상호명, 업체의 전화번호, 업체의 간판 이미지 등을 비교함으로써 변경된 업체 정보를 감지할 수 있다. 감지부(330)는 업체 정보와 샘플 정보를 비교함으로써 개점한 업체 또는 폐점한 업체를 감지할 수 있다. 이때, 샘플 정보는 샘플 정보 데이터베이스(352)에 저장되어 있을 수 있다. 샘플 정보 데이터베이스(352)는 업체 정보들이 저장되어 있는 데이터베이스로서, 변경된 업체의 전화 번호 또는 변경된 업체의 이미지, 변경된 업체 정보가 업데이트된 날짜 중 적어도 어느 하나의 변경된 업체 정보를 저장하고 있을 수 있다.
제공부(340)는 변경된 업체 정보를 샘플 정보에 업데이트하고, 변경된 업체 정보를 표시하도록 제공할 수 있다. 예를 들면, 제공부(340)는 변경된 업체 정보를 샘플 정보 데이터베이스(352)에 저장하도록 제공함에 따라 샘플 정보 데이터베이스(352)에 변경된 업체 정보가 저장될 수 있다. 제공부(340)는 변경된 업체의 상호명, 변경된 업체의 전화 번호 또는 변경된 업체의 이미지 중 적어도 어느 하나의 변경된 업체 정보를 데이터베이스화하도록 제공할 수 있다. 저장부는 변경된 업체 정보를 샘플 정보 데이터베이스(352)에 저장할 수 있다. 제공부(340)는 변경된 업체의 상호명, 변경된 업체의 전화 번호, 변경된 업체의 이미지, 변경된 업체 중 적어도 어느 하나의 변경된 업체 정보를 검색 엔진에 제공하고, 검색 엔진에 제공된 변경된 업체 정보가 업데이트되었음을 표시하도록 제공할 수 있다.
예를 들면, 사용자가 검색 엔진(900)에서 검색어로 'A 업체'를 입력하였다고 가정하자. 검색 엔진(900)은 'A 업체'와 관련된 검색 결과를 제공할 수 있고, 제공부(340)는 검색 엔진(900)에 'A 업체'에 대한 업체 정보가 변경되었음을 표시할 수 있다. 제공부(340)는 검색 엔진(900)에 업체 정보가 업데이트된 날짜를 표시할 수 있다. 다시 말해서, 검색 엔진(900)은 'A 업체'에 대한 이미지, 업체명, 업체의 위치, 업체의 전화 번호, 업체 정보가 업데이트된 날짜, 업체의 지도 등을 제공할 수 있다. 또한, 마찬가지로, 제공부(340)는 지도 제공 서비스에서도 동일하게 적용하여 제공할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (15)

  1. 정보를 제공하는 방법에 있어서,
    위치 정보가 포함된 사진 정보를 획득하는 단계;
    상기 사진 정보에 포함된 업체 정보를 추출하는 단계;
    상기 추출된 업체 정보를 기 저장된 샘플 정보와 비교하여 변경된 업체 정보를 자동으로 감지하는 단계; 및
    상기 변경된 업체 정보를 상기 샘플 정보에 업데이트하고, 상기 변경된 업체 정보를 표시하도록 제공하는 단계
    를 포함하는 정보 제공 방법.
  2. 제1항에 있어서,
    상기 변경된 업체 정보를 상기 샘플 정보에 업데이트하고, 상기 변경된 업체 정보를 표시하도록 제공하는 단계는,
    변경된 업체의 상호명, 변경된 업체의 전화 번호 또는 변경된 업체의 이미지 중 어느 하나의 변경된 업체 정보를 검색 엔진에 제공하고, 상기 검색 엔진에 제공된 변경된 업체 정보가 업데이트되었음을 표시하도록 제공하는 단계
    를 포함하는 정보 제공 방법.
  3. 제1항에 있어서,
    상기 변경된 업체 정보를 상기 샘플 정보에 업데이트하고, 상기 변경된 업체 정보를 표시하도록 제공하는 단계는,
    상기 변경된 업체의 상호명, 상기 변경된 업체의 전화 번호, 상기 변경된 업체의 이미지 또는 상기 변경된 업체 정보가 업데이트된 날짜 중 어느 하나의 변경된 업체 정보를 데이터베이스화하는 단계
    를 포함하는 정보 제공 방법.
  4. 제1항에 있어서,
    상기 위치 정보가 포함된 사진 정보를 획득하는 단계는,
    지도, 상기 지도가 영상으로 제공되는 거리뷰, 또는 사용자로부터 제작된 콘텐츠(User Generated Contents)에 포함된 사진 정보로부터 위치 정보 및 지역 정보를 획득하는 단계
    를 포함하는 정보 제공 방법.
  5. 제1항에 있어서,
    상기 사진 정보에 포함된 업체 정보를 추출하는 단계는,
    기 설정된 시간 이전에 지도, 거리뷰로부터 획득된 사진 정보 또는 사용자로부터 제작된 콘텐츠에 포함된 사진 정보에 대하여 딥 러닝 학습을 수행하여 상기 업체 정보를 추출하기 위한 트레이닝 데이터를 구축하고,
    상기 트레이닝 데이터에 기초하여 상기 사진 정보에 포함된 업체 정보를 추출하는 단계
    를 포함하는 정보 제공 방법.
  6. 제5항에 있어서,
    상기 사진 정보에 포함된 업체 정보를 추출하는 단계는,
    상기 기 설정된 시간 이전에 획득된 사진 정보로부터 텍스트 또는 이미지를 추출하고, 상기 추출된 텍스트에 대한 텍스트 정보 또는 상기 추출된 이미지에 대한 이미지 정보에 대하여 기계학습을 통하여 트레이닝하여 지식베이스를 구축하는 단계
    를 포함하는 정보 제공 방법.
  7. 제1항에 있어서,
    상기 추출된 업체 정보를 기 저장된 샘플 정보와 비교하여 변경된 업체 정보를 자동으로 감지하는 단계는,
    상기 샘플 정보에 포함된 텍스트 정보와 상기 추출된 업체 정보에 포함된 텍스트 정보를 비교하고, 상기 샘플 정보에 포함된 이미지 정보와 상기 추출된 업체 정보에 포함된 텍스트 정보를 비교하여 개점한 업체 또는 폐점한 업체를 감지하는 단계
    를 포함하는 정보 제공 방법.
  8. 정보 제공 방법을 실행시키기 위해 매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 정보 제공 방법은,
    위치 정보가 포함된 사진 정보를 획득하는 단계;
    상기 사진 정보에 포함된 업체 정보를 추출하는 단계;
    상기 추출된 업체 정보를 기 저장된 샘플 정보와 비교하여 변경된 업체 정보를 자동으로 감지하는 단계; 및
    상기 변경된 업체 정보를 상기 샘플 정보에 업데이트하고, 상기 변경된 업체 정보를 표시하도록 제공하는 단계
    를 포함하는 것을 특징으로 하는 컴퓨터 프로그램.
  9. 정보를 제공하는 시스템에 있어서,
    위치 정보가 포함된 사진 정보를 획득하는 획득부;
    상기 사진 정보에 포함된 업체 정보를 추출하는 추출부;
    상기 추출된 업체 정보를 기 저장된 샘플 정보와 비교하여 변경된 업체 정보를 자동으로 감지하는 감지부; 및
    상기 변경된 업체 정보를 상기 샘플 정보에 업데이트하고, 상기 변경된 업체 정보를 표시하도록 제공하는 제공부
    를 포함하는 정보 제공 시스템.
  10. 제9항에 있어서,
    상기 제공부는,
    변경된 업체의 상호명, 변경된 업체의 전화 번호 또는 변경된 업체의 이미지 중 어느 하나의 변경된 업체 정보를 검색 엔진에 제공하고, 상기 검색 엔진에 제공된 변경된 업체 정보가 업데이트되었음을 표시하도록 제공하는
    것을 특징으로 하는 정보 제공 시스템.
  11. 제9항에 있어서,
    상기 제공부는,
    상기 변경된 업체의 상호명, 상기 변경된 업체의 전화 번호, 상기 변경된 업체의 이미지 또는 상기 변경된 업체 정보가 업데이트된 날짜 중 어느 하나의 변경된 업체 정보를 데이터베이스화하는
    것을 특징으로 하는 정보 제공 시스템.
  12. 제9항에 있어서,
    상기 획득부는,
    지도, 상기 지도가 영상으로 제공되는 거리뷰, 또는 사용자로부터 제작된 콘텐츠(User Generated Contents)에 포함된 사진 정보로부터 위치 정보 및 지역 정보를 획득하는
    것을 특징으로 하는 정보 제공 시스템.
  13. 제9항에 있어서,
    상기 추출부는,
    기 설정된 시간 이전에 지도, 거리뷰로부터 획득된 사진 정보 또는 사용자로부터 제작된 콘텐츠에 포함된 사진 정보에 대하여 딥 러닝 학습을 수행하여 상기 업체 정보를 추출하기 위한 트레이닝 데이터를 구축하는
    것을 특징으로 하는 정보 제공 시스템.
  14. 제13항에 있어서,
    상기 추출부는,
    상기 기 설정된 시간 이전에 획득된 사진 정보로부터 텍스트 또는 이미지를 추출하고, 상기 추출된 텍스트에 대한 텍스트 정보 또는 상기 추출된 이미지에 대한 이미지 정보에 대하여 기계학습을 통하여 트레이닝하여 지식베이스를 구축하는
    것을 특징으로 하는 정보 제공 시스템.
  15. 제9항에 있어서,
    상기 감지부는,
    상기 샘플 정보에 포함된 텍스트 정보와 상기 추출된 업체 정보에 포함된 텍스트 정보를 비교하고, 상기 샘플 정보에 포함된 이미지 정보와 상기 추출된 업체 정보에 포함된 텍스트 정보를 비교하여 개점한 업체 또는 폐점한 업체를 감지하는
    것을 특징으로 하는 정보 제공 시스템.
KR1020160063194A 2016-05-24 2016-05-24 지역 사진 및 거리뷰의 간판 이미지를 활용한 지역 정보 검출 및 보정 방법 및 시스템 KR101823464B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160063194A KR101823464B1 (ko) 2016-05-24 2016-05-24 지역 사진 및 거리뷰의 간판 이미지를 활용한 지역 정보 검출 및 보정 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160063194A KR101823464B1 (ko) 2016-05-24 2016-05-24 지역 사진 및 거리뷰의 간판 이미지를 활용한 지역 정보 검출 및 보정 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20170132414A true KR20170132414A (ko) 2017-12-04
KR101823464B1 KR101823464B1 (ko) 2018-03-14

Family

ID=60921521

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160063194A KR101823464B1 (ko) 2016-05-24 2016-05-24 지역 사진 및 거리뷰의 간판 이미지를 활용한 지역 정보 검출 및 보정 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101823464B1 (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200013156A (ko) * 2018-07-19 2020-02-06 네이버랩스 주식회사 간판 검출 성능 향상을 위한 방법 및 시스템
KR20200013155A (ko) * 2018-07-19 2020-02-06 네이버랩스 주식회사 관심 영역 변화를 검출하는 방법 및 시스템
KR20200037168A (ko) * 2020-03-30 2020-04-08 네이버랩스 주식회사 관심 영역 변화를 검출하는 방법 및 시스템
KR20210030314A (ko) * 2020-03-13 2021-03-17 네이버 주식회사 거리뷰 제공 방법 및 장치
KR20210047618A (ko) * 2019-10-22 2021-04-30 류승완 텍스트 검색을 이용한 지도 정보 제공 장치 및 그 방법
KR20210056560A (ko) * 2019-11-11 2021-05-20 류승완 지도 정보 제공 장치 및 방법
KR20210062903A (ko) * 2019-11-22 2021-06-01 (주)에스유지 5g 기반 ai 옥외 광고물 분석 시스템
KR20210062905A (ko) * 2019-11-22 2021-06-01 (주)에스유지 옥외 광고물 분석을 위한 어플리케이션이 설치된 측정기기
KR20210131121A (ko) * 2020-04-23 2021-11-02 주식회사 키센스 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 용도 파악 방법 및 그 장치
KR20220027000A (ko) * 2020-08-26 2022-03-07 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 지리적 위치점들의 공간 관계를 추출하는 방법 및 장치

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102091172B1 (ko) * 2018-03-08 2020-04-23 네이버 주식회사 거리뷰 제공 방법 및 장치
CN110647603B (zh) * 2018-06-27 2022-05-27 百度在线网络技术（北京）有限公司 图像标注信息的处理方法、装置和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012202893A (ja) * 2011-03-28 2012-10-22 Panasonic Corp ナビゲーション装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200013156A (ko) * 2018-07-19 2020-02-06 네이버랩스 주식회사 간판 검출 성능 향상을 위한 방법 및 시스템
KR20200013155A (ko) * 2018-07-19 2020-02-06 네이버랩스 주식회사 관심 영역 변화를 검출하는 방법 및 시스템
KR20210047618A (ko) * 2019-10-22 2021-04-30 류승완 텍스트 검색을 이용한 지도 정보 제공 장치 및 그 방법
KR20210056560A (ko) * 2019-11-11 2021-05-20 류승완 지도 정보 제공 장치 및 방법
KR20210062903A (ko) * 2019-11-22 2021-06-01 (주)에스유지 5g 기반 ai 옥외 광고물 분석 시스템
KR20210062905A (ko) * 2019-11-22 2021-06-01 (주)에스유지 옥외 광고물 분석을 위한 어플리케이션이 설치된 측정기기
KR20210030314A (ko) * 2020-03-13 2021-03-17 네이버 주식회사 거리뷰 제공 방법 및 장치
KR20200037168A (ko) * 2020-03-30 2020-04-08 네이버랩스 주식회사 관심 영역 변화를 검출하는 방법 및 시스템
KR20210131121A (ko) * 2020-04-23 2021-11-02 주식회사 키센스 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 용도 파악 방법 및 그 장치
KR20220027000A (ko) * 2020-08-26 2022-03-07 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 지리적 위치점들의 공간 관계를 추출하는 방법 및 장치
US11615613B2 (en) 2020-08-26 2023-03-28 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and device for extracting spatial relationship of geographic location points

Also Published As

Publication number Publication date
KR101823464B1 (ko) 2018-03-14

Similar Documents

Publication Publication Date Title
KR101823464B1 (ko) 지역 사진 및 거리뷰의 간판 이미지를 활용한 지역 정보 검출 및 보정 방법 및 시스템
CN108463821B (zh) 用于直接从图像识别实体的系统和方法
KR101859050B1 (ko) 내용 기반의 지도 이미지 탐색 방법 및 시스템
Casella et al. Augmented heritage: situating augmented reality mobile apps in cultural heritage communication
CN111174782B (zh) 位姿估计方法、装置、电子设备及计算机可读存储介质
US20160371305A1 (en) Method, device and apparatus for generating picture search library, and picture search method, device and apparatus
US20110142347A1 (en) Processing time-based geospatial data
TW201712600A (zh) 用於自影像偵測與辨認文字之方法與系統
US20140362235A1 (en) Information processing system and information processing method
US10290137B2 (en) Auto-generation of map landmarks using sensor readable tags
US20170039450A1 (en) Identifying Entities to be Investigated Using Storefront Recognition
US20150156416A1 (en) Systems and Methods for Updating Panoramic Images
JP6494799B2 (ja) ジオロケーションを使用して位置決めされた画像を用いた施設の固定
US11699234B2 (en) Semantic segmentation ground truth correction with spatial transformer networks
Chiang Unlocking textual content from historical maps-potentials and applications, trends, and outlooks
Li et al. Urban infrastructure audit: an effective protocol to digitize signalized intersections by mining street view images
Aliprantis et al. Linked open data as universal markers for mobile augmented reality applications in cultural heritage
JP6644922B1 (ja) 関心地点を利用してイメージをフィルタリングするための方法およびシステム
Bernabé et al. A new system to perform unsupervised and supervised classification of satellite images from Google Maps
Salazar-Cabrera et al. Design of urban mobility services for an intermediate city in a developing country, based on an intelligent transportation system architecture
KR20150021168A (ko) 스마트기기를 이용한 현장 조사 시스템
KR101796506B1 (ko) 기종 정보를 활용한 이미지 검색 결과 제공 방법 및 시스템
Kwayu et al. A Scalable Deep Learning Framework for Extracting Model Inventory of Roadway Element Intersection Control Types From Panoramic Images
Fitzpatrick Investigation and analysis of open government data in Ireland, and the creation of a set of quality guidelines to aid its utility within mobile application development
KR20200021651A (ko) 교육 시설 검색 방법 및 시스템

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant