KR20210057611A - 이미지 데이터에 포함된 객체를 인식하는 인공 지능 장치 및 그 방법 - Google Patents

이미지 데이터에 포함된 객체를 인식하는 인공 지능 장치 및 그 방법 Download PDF

Info

Publication number
KR20210057611A
KR20210057611A KR1020190144587A KR20190144587A KR20210057611A KR 20210057611 A KR20210057611 A KR 20210057611A KR 1020190144587 A KR1020190144587 A KR 1020190144587A KR 20190144587 A KR20190144587 A KR 20190144587A KR 20210057611 A KR20210057611 A KR 20210057611A
Authority
KR
South Korea
Prior art keywords
model
image data
nlp
artificial intelligence
image
Prior art date
Application number
KR1020190144587A
Other languages
English (en)
Inventor
이광용
Original Assignee
엘지전자 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 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020190144587A priority Critical patent/KR20210057611A/ko
Priority to US16/743,862 priority patent/US11200467B2/en
Publication of KR20210057611A publication Critical patent/KR20210057611A/ko

Links

Images

Classifications

    • 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
    • G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
    • 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
    • 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
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
    • G06K9/20—
    • 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
    • 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
    • G06N3/045—Combinations of networks
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G06V10/87—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using selection of the recognition techniques, e.g. of a classifier in a multiple classifier system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/987—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns with the intervention of an operator
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/10—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths
    • H04N23/11—Cameras or camera modules comprising electronic image sensors; Control thereof for generating image signals from different wavelengths for generating image signals from visible and infrared light wavelengths
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Databases & Information Systems (AREA)
  • Acoustics & Sound (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

본 개시의 일 실시 예는 이미지 데이터에 포함된 객체를 인식하는 인공 지능 장치에 있어서, 카메라; 통신부; 이미지 인식 모델, 자연어 처리(NLP: Natural Language Processing) 모델 및 상기 NLP 모델에 기초하여 학습된 NLP 모델 기반 이미지 인식 모델을 저장하는 메모리; 및 상기 카메라 또는 상기 통신부를 통해 이미지 데이터를 수신하고, 상기 이미지 인식 모델을 이용하여 상기 수신한 이미지 데이터에 포함된 객체를 인식하여 상기 객체에 대한 인식 정보를 생성하고, 상기 이미지 인식 모델을 이용한 상기 객체의 인식에 실패한 경우에 상기 NLP 모델 기반 이미지 인식 모델을 이용하여 상기 수신한 이미지 데이터에 포함된 상기 객체를 인식하여 상기 객체에 대한 인식 정보를 생성하는 프로세서를 포함하는, 인공 지능 장치를 제공한다.

Description

이미지 데이터에 포함된 객체를 인식하는 인공 지능 장치 및 그 방법 {ARTIFICIAL INTELLIGENCE APPARATUS AND METHOD FOR RECOGNIZING OBJECT INCLUDED IN IMAGE DATA}
본 개시(disclosure)는 이미지 데이터에 포함된 객체를 인식하는 인공 지능 장치 및 그 방법에 관한 것이다.
최근 차량에 인공 지능을 이용한 이미지 인식 기술의 성능이 크게 향상되고 있다. 그러나, 이미지 데이터에 포함된 객체를 인식하는데 이용되는 이미지 인식 모델을 학습하기 위하여는 수 많은 학습 데이터가 요구된다. 높은 인식 성능을 갖는 이미지 인식 모델을 학습하기 위하여는, 특정 객체라 하더라도 다양한 구도와 다양한 상황에서 촬영한 이미지 데이터를 포함하는 학습 데이터뿐만 아니라, 특정 객체와 동종의 다른 객체를 다양한 구도와 다양한 상황에서 촬영한 이미지 데이터를 포함하는 학습 데이터가 필요하다.
이미지 인식 모델은 학습에 이용된 학습 데이터에서 다루지 않는 새로운 객체를 정확하게 인식하지 못하며, 새로운 객체를 인식하기 위하여는 해당 새로운 객체에 대한 수 많은 학습 데이터를 이용하여 학습하여야 한다는 문제점이 있다. 따라서, 다른 모델을 이용하여 이미지 데이터에 포함된 객체를 인식하는 기능을 보조적으로 제공할 수 있는 방법이나, 적은 학습 데이터만으로도 이미지 데이터에서 객체를 인식할 수 있는 모델이 있다면, 이미지 인식 기능의 성능을 더욱 높일 수 있을 것이다.
본 개시는, 자연어 처리(NLP: Natural Language Processing) 모델을 이용하여 생성한 NLP 모델 기반 이미지 인식 모델을 이용하여 이미지 데이터에 포함된 객체를 인식하는 인공 지능 장치 및 그 방법을 제공하고자 한다.
본 개시의 일 실시 예는, 이미지 인식 모델을 이용한 수신한 이미지 데이터에 포함된 객체의 인식에 실패한 경우, NLP 모델 기반 이미지 인식 모델을 이용하여 이미지 데이터에 포함된 객체를 인식하는 인공 지능 장치 및 그 방법을 제공한다.
또한, 본 개시의 일 실시 예는, NLP 모델과 동일한 구조를 갖는 NLP 모델 기반 이미지 인식 모델 또는 NLP 모델과 적어도 하나 이상의 레이어를 포함하는 NLP 모델 기반 이미지 인식 모델을 생성하고, 이미지 학습 데이터를 이용하여 생성한 NLP 모델 기반 이미지 인식 모델을 학습하는 인공 지능 장치 및 그 방법을 제공한다.
또한, 본 개시의 일 실시 예는, 사용자의 입력에 의한 이미지 데이터에 상응하는 라벨 정보를 이용하여 학습 데이터를 생성하고, 생성한 학습 데이터를 이용하여 NLP 모델 기반 이미지 인식 모델을 갱신하는 인공 지능 장치 및 그 방법을 제공한다.
본 개시의 다양한 실시 예에 따르면, 이미지 인식 모델이 이미지 데이터에 포함된 객체의 인식에 실패하더라도, 보조적으로 NLP 모델 기반 이미지 인식 모델을 이용하여 이미지 데이터에 포함된 객체를 인식할 수 있으므로, 이미지 인식 기능을 보완할 수 있다.
또한, 본 개시의 다양한 실시 예에 따르면, 사전에 학습된 NLP 모델을 기반으로 NLP 모델 기반 이미지 인식 모델을 생성 및 학습함에 따라, 적은 학습 데이터만으로도 효과적으로 NLP 모델 기반 이미지 인식 모델을 학습할 수 있다.
도 1은 본 개시의 일 실시 예에 따른 AI 장치를 나타낸 블록도이다.
도 2는 본 개시의 일 실시 예에 따른 AI 서버를 나타낸 블록도이다.
도 3은 본 개시의 일 실시 예에 따른 AI 시스템을 나타낸 도면이다.
도 4는 본 개시의 일 실시 예에 따른 AI 장치를 나타낸 블록도이다.
도 5는 본 개시의 일 실시 예에 따른 AI 시스템을 나타낸 블록도이다.
도 6은 본 개시의 일 실시 예에 따른 이미지 데이터에 포함된 객체를 인식하는 방법을 나타낸 동작 흐름도이다.
도 7은 본 개시의 일 실시 예에 따른 이미지 인식 모델의 예시를 나타낸 도면이다.
도 8은 본 개시의 일 실시 예에 따른 NLP 모델의 예시를 나타낸 도면이다.
도 9는 본 개시의 일 실시 예에 따른 NLP 모델 기반 이미지 인식 모델의 예시를 나타낸 도면이다.
도 10은 본 개시의 일 실시 예에 따른 NLP 모델과 NLP 모델 기반 이미지 인식 모델의 관계를 나타낸 도면이다.
도 11은 본 개시의 일 실시 예에 따른 NLP 모델 기반 이미지 인식 모델을 학습하는 방법을 나타낸 동작 흐름도이다.
도 12는 본 개시의 일 실시 예를 나타낸 도면이다.
도 13은 본 개시의 일 실시 예를 나타낸 도면이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 '모듈' 및 '부'는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 개시의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 '직접 연결되어' 있다거나 '직접 접속되어' 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
<인공 지능(AI: Artificial Intelligence)>
인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
<로봇(Robot)>
로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.
로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.
로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.
<자율 주행(Self-Driving)>
자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.
예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.
차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.
이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.
<확장 현실(XR: eXtended Reality)>
확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.
MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.
XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.
도 1은 본 개시의 일 실시 예에 따른 AI 장치(100)를 나타낸 블록도이다.
이하에서, 인공 지능 장치(100)는 단말기라 칭할 수 있다.
AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.
도 1을 참조하면, 인공 지능 장치(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.
통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.
이때, 통신부(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth??), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.
입력부(120)는 다양한 종류의 데이터를 획득할 수 있다.
이때, 입력부(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.
입력부(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.
러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.
이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)과 함께 AI 프로세싱을 수행할 수 있다.
이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.
센싱부(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.
이때, 센싱부(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.
출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.
이때, 출력부(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.
메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.
프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.
이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.
이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.
프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.
이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.
이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.
프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.
도 2는 본 개시의 일 실시 예에 따른 AI 서버(200)를 나타낸 블록도이다.
도 2를 참조하면, AI 서버(200)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.
AI 서버(200)는 통신부(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.
통신부(210)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.
메모리(230)는 모델 저장부(231)를 포함할 수 있다. 모델 저장부(231)는 러닝 프로세서(240)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장할 수 있다.
러닝 프로세서(240)는 학습 데이터를 이용하여 인공 신경망(231a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.
학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.
프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.
도 3은 본 개시의 일 실시 예에 따른 AI 시스템(1)을 나타낸 도면이다.
도 3을 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.
클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
즉, AI 시스템(1)을 구성하는 각 장치들(100a 내지 100e, 200)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 200)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.
AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.
AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.
또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.
이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(100a 내지 100e)는 도 1에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.
<AI+로봇>
로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.
로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.
여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다.
맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+자율주행>
자율 주행 차량(100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
자율 주행 차량(100b)은 자율 주행 기능을 제어하기 위한 자율 주행 제어 모듈을 포함할 수 있고, 자율 주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율 주행 제어 모듈은 자율 주행 차량(100b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.
자율 주행 차량(100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(100b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다.
여기서, 자율 주행 차량(100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
특히, 자율 주행 차량(100b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.
자율 주행 차량(100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(100b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율 주행 차량(100b)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 자율 주행 차량(100b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
자율 주행 차량(100b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율 주행 차량(100b)을 주행시킬 수 있다.
맵 데이터에는 자율 주행 차량(100b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 자율 주행 차량(100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+XR>
XR 장치(100c)는 AI 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수 있다.
XR 장치(100c)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 속성 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR 장치(100c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
XR 장치(100c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(100c)는 학습 모델을 이용하여 3차원 포인트 클라우드 데이터 또는 이미지 데이터에서 현실 객체를 인식할 수 있고, 인식한 현실 객체에 상응하는 정보를 제공할 수 있다. 여기서, 학습 모델은 XR 장치(100c)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, XR 장치(100c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
<AI+로봇+자율주행>
로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다.
자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.
자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예컨대, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.
자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.
이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.
<AI+로봇+XR>
로봇(100a)은 AI 기술 및 XR 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇, 드론 등으로 구현될 수 있다.
XR 기술이 적용된 로봇(100a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(100a)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(100a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(100a) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(100a)은 XR 장치(100c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
예컨대, 사용자는 XR 장치(100c) 등의 외부 장치를 통해 원격으로 연동된 로봇(100a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(100a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.
<AI+자율주행+XR>
자율 주행 차량(100b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR 기술이 적용된 자율 주행 차량(100b)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상을 제공하는 수단을 구비한 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(100b)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.
이때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율 주행 차량(100b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(100b)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(100b) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(100b)은 XR 장치(100c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
도 4는 본 개시의 일 실시 예에 따른 AI 장치(100)를 나타낸 블록도이다.
도 1과 중복되는 설명은 생략한다.
통신부(110)는 통신 모뎀(communication modem) 또는 통신 회로(communication circuit)라고도 칭할 수 있다.
도 4를 참조하면, 입력부(120)는 영상 신호 입력을 위한 카메라(Camera, 121), 오디오 신호를 수신하기 위한 마이크로폰(Microphone, 122), 사용자로부터 정보를 입력 받기 위한 사용자 입력부(User Input Unit, 123)를 포함할 수 있다.
입력부(120)에서 수집한 음성 데이터나 이미지 데이터는 분석되어 사용자의 제어 명령으로 처리될 수 있다.
입력부(120)는 영상 정보(또는 신호), 오디오 정보(또는 신호), 데이터, 또는 사용자로부터 입력되는 정보의 입력을 위한 것으로서, 영상 정보의 입력을 위하여, AI 장치(100)는 하나 또는 복수의 카메라(121)들을 구비할 수 있다.
카메라(121)는 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 디스플레이부(Display Unit, 151)에 표시되거나 메모리(170)에 저장될 수 있다.
마이크로폰(122)은 외부의 음향 신호를 전기적인 음성 데이터로 처리한다. 처리된 음성 데이터는 AI 장치(100)에서 수행 중인 기능(또는 실행 중인 응용 프로그램)에 따라 다양하게 활용될 수 있다. 한편, 마이크로폰(122)에는 외부의 음향 신호를 입력 받는 과정에서 발생되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 적용될 수 있다.
사용자 입력부(123)는 사용자로부터 정보를 입력 받기 위한 것으로서, 사용자 입력부(123)를 통해 정보가 입력되면, 프로세서(180)는 입력된 정보에 대응되도록 AI 장치(100)의 동작을 제어할 수 있다.
사용자 입력부(123)는 기계식 (mechanical) 입력수단(또는, 메커니컬 키, 예컨대, AI 장치(100)의 전/후면 또는 측면에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다. 일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 터치스크린에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다.
센싱부(140)는 센서부라고 칭할 수 있다.
출력부(150)는 디스플레이부(Display Unit, 151), 음향 출력부(Sound Output Unit, 152), 햅틱 모듈(Haptic Module, 153), 광 출력부(Optical Output Unit, 154) 중 적어도 하나를 포함할 수 있다.
디스플레이부(151)는 AI 장치(100)에서 처리되는 정보를 표시(출력)한다. 예컨대, 디스플레이부(151)는 AI 장치(100)에서 구동되는 응용 프로그램의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.
디스플레이부(151)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, AI 장치(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(123)로써 기능함과 동시에, 단말기(100)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.
음향 출력부(152)는 호신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서 통신부(110)로부터 수신되거나 메모리(170)에 저장된 오디오 데이터를 출력할 수 있다.
음향 출력부(152)는 리시버(receiver), 스피커(speaker), 버저(buzzer) 중 적어도 하나 이상을 포함할 수 있다.
햅틱 모듈(haptic module)(153)은 사용자가 느낄 수 있는 다양한 촉각 효과를 발생시킨다. 햅틱 모듈(153)이 발생시키는 촉각 효과의 대표적인 예로는 진동이 될 수 있다.
광출력부(154)는 AI 장치(100)의 광원의 빛을 이용하여 이벤트 발생을 알리기 위한 신호를 출력한다. AI 장치(100)에서 발생 되는 이벤트의 예로는 메시지 수신, 호 신호 수신, 부재중 전화, 알람, 일정 알림, 이메일 수신, 애플리케이션을 통한 정보 수신 등이 될 수 있다.
도 5는 본 개시의 일 실시 예에 따른 AI 시스템(1)을 나타낸 블록도이다.
도 5를 참조하면, 인공 지능 시스템(1)은 인공 지능 장치(100), 음성 텍스트 변환(STT: Speech To Text) 서버(300), 자연어 처리(NLP: Natural Language Processing) 서버(400) 및 음성 합성 서버(500)를 포함할 수 있다.
인공 지능 장치(100)는 음성 데이터를 STT 서버(300)에 전송할 수 있다. STT 서버(300)는 인공 지능 장치(100)로부터 수신한 음성 데이터를 텍스트 데이터로 변환할 수 있다. NLP 서버(400)는 STT 서버(300)로부터 텍스트 데이터를 수신할 수 있다. NLP 서버(400)는 수신한 텍스트 데이터에 기초하여, 텍스트 데이터에 대한 의도 분석을 수행할 수 있다. NLP 서버(400)는 의도 분석의 수행 결과를 나타내는 의도 분석 정보를 인공 지능 장치(100) 또는 음성 합성 서버(500)에 전송할 수 있다. 음성 합성 서버(500)는 의도 분석 정보에 기초하여 사용자의 의도를 반영한 합성 음성을 생성하고, 생성된 합성 음성을 인공 지능 장치(100)에 전송할 수 있다.
STT 서버(300)는 언어 모델을 이용하여 음성-텍스트 변환의 정확도를 높일 수 있다. 언어 모델은 문장의 확률을 계산하거나, 이전의 단어들이 주어졌을 때 다음 단어가 나올 확률을 계산할 수 있는 모델을 의미할 수 있다. 예컨대, 언어 모델은 유니그램(Unigram) 모델, 바이그램(Bigram) 모델, N-그램(N-gram) 모델 등과 같은 확률론적 언어 모델들을 포함할 수 있다. 유니그램 모델은 모든 단어의 활용이 완전히 서로 독립적이라고 가정하는 모델로, 단어 열의 확률을 각 단어의 확률의 곱으로 계산하는 모델이다. 바이그램 모델은 단어의 활용이 이전 1개의 단어에만 의존한다고 가정하는 모델이다. N-그램 모델은 단어의 활용이 이전 (n-1)개의 단어에 의존한다고 가정하는 모델이다.
즉, STT 서버(300)는 언어 모델을 이용하여 음성 데이터로부터 변환된 텍스트 데이터가 적합하게 변환된 것인지 판단할 수 있고, 이를 통해 음성 데이터에서 텍스트 데이터로의 변환의 정확도를 높일 수 있다.
NLP 서버(400)는 텍스트 데이터에 대해, 형태소 분석 단계, 구문 분석 단계, 화행 분석 단계, 대화 처리 단계를 순차적으로 수행하여, 의도 분석 정보를 생성할 수 있다.
형태소 분석 단계는 사용자가 발화한 음성에 대응하는 텍스트 데이터를 의미를 지닌 가장 작은 단위인 형태소 단위로 분류하고, 분류된 각 형태소가 어떤 품사를 가지는지를 결정하는 단계이다. 구문 분석 단계는 형태소 분석 단계의 결과를 이용하여, 텍스트 데이터를 명사구, 동사구, 형용사 구 등으로 구분하고, 구분된 각 구들 사이에, 어떠한 관계가 존재하는지를 결정하는 단계이다. 구문 분석 단계를 통해, 사용자가 발화한 음성의 주어, 목적어, 수식어들이 결정될 수 있다. 화행 분석 단계는 구문 분석 단계의 결과를 이용하여, 사용자가 발화한 음성에 대한 의도를 분석하는 단계이다. 구체적으로, 화행 분석 단계는 사용자가 질문을 하는 것인지, 요청을 하는 것인지, 단순한 감정 표현을 하는 것인지와 같은, 문장의 의도를 결정하는 단계이다. 대화 처리 단계는 화행 분석 단계의 결과를 이용하여, 사용자의 발화에 대해 대답을 할지, 호응을 할지, 추가 정보를 문의하는 질문을 할지를 판단하는 위한 단계이다.
NLP 서버(400)는 대화 처리 단계 후, 사용자가 발화한 의도에 대한 답변, 호응, 추가 정보 문의 중 하나 이상을 포함하는 의도 분석 정보를 생성할 수 있다.
한편, NLP 서버(400)는 인공 지능 장치(100)로부터 텍스트 데이터를 수신할 수도 있다. 예를 들어, 인공 지능 장치(100)가 음성 텍스트 변환 기능을 지원하는 경우, 인공 지능 장치(100)는 음성 데이터를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터를 NLP 서버(400)에 전송할 수 있다.
음성 합성 서버(500)는 기 저장된 음성 데이터들을 조합하여, 합성 음성을 생성할 수 있다. 음성 합성 서버(500)는 모델로 선정된 한 사람의 음성을 녹음하고, 녹음된 음성을 음절 또는 단어 단위로 분할할 수 있다. 음성 합성 서버(500)는 음절 또는 단어 단위로, 분할된 음성을 내부 또는 외부의 데이터 베이스에 저장할 수 있다.
음성 합성 서버(500)는 주어진 텍스트 데이터에 대응하는 음절 또는 단어를 데이터 베이스로부터 검색하고, 검색된 음절 또는 단어들의 조합을 합성하여, 합성 음성을 생성할 수 있다.
음성 합성 서버(500)는 복수의 언어들 각각에 대응하는 복수의 음성 언어 그룹들을 저장하고 있을 수 있다. 예를 들어, 음성 합성 서버(500)는 한국어로 녹음된 제1 음성 언어 그룹, 영어로, 녹음된 제2 음성 언어 그룹을 포함할 수 있다.
음성 합성 서버(500)는 제1 언어의 텍스트 데이터를 제2 언어의 텍스트로 번역하고, 제2 음성 언어 그룹을 이용하여, 번역된 제2 언어의 텍스트에 대응하는 합성 음성을 생성할 수 있다.
인공 지능 시스템(1)은 인공 지능 서버(200)를 더 포함할 수 있다. 인공 지능 서버(200)는 STT 서버(300)에서 이용하는 STT 엔진, NLP 서버(400)에서 이용하는 NLP 엔진, 음성 합성 서버(500)에서 이용하는 음성 합성 엔진 중에서 적어도 하나 이상을 학습시킬 수 있다. 즉, STT 서버(300), NLP 서버(400), 음성 합성 서버(500) 중에서 적어도 하나 이상은 인공 지능 서버(200)에서 학습된 모델들 또는 엔진들을 이용할 수 있다.
도 5에서는 인공 지능 장치(100), STT 서버(300), NLP 서버(400) 및 음성 합성 서버(500)가 서로 구분되어 도시되어 있으나, 본 개시는 이에 한정되지 않는다. 일 실시 예에서, 인공 지능 서버(200), STT 서버(300), NLP 서버(400) 또는 음성 합성 서버(500) 중에서 일부는 하나의 서버로 구성될 수도 있다. 일 실시 예에서, STT 서버(300), NLP 서버(400) 또는 음성 합성 서버(500) 중에서 일부는 인공 지능 장치(100)에 포함될 수도 있고, 이는 인공 지능 장치(100)가 STT 서버(300), NLP 서버(400) 또는 음성 합성 서버(500)의 기능을 수행하는 것을 의미한다.
도 6은 본 개시의 일 실시 예에 따른 이미지 데이터에 포함된 객체를 인식하는 방법을 나타낸 동작 흐름도이다.
도 6을 참조하면, 인공 지능 장치(100)의 프로세서(180)는 이미지 데이터를 수신한다(S601).
프로세서(180)는 카메라(121)를 통하여 이미지 데이터를 수신할 수도 있고, 통신부(110)를 통해 외부 장치에서 촬영된 이미지 데이터를 수신할 수도 있다. 외부 장치에는 사용자 단말기, 헤드 마운트 디스플레이(HMD), CCTV, 로봇,사물 인터넷 카메라 등의 카메라가 구비된 다양한 장치가 포함될 수 있다. 예컨대, 프로세서(180)는 통신부(110)를 통해 카메라가 구비된 이동 가능한 로봇이나 사물인터넷 카메라 등으로부터 이미지 데이터를 수신할 수 있다.
이미지 데이터는 인식 대상 객체를 포함할 수 있다. 이미지 데이터는 RGB 이미지 데이터, IR 이미지 데이터, Depth 이미지 데이터, RGB-D 이미지 데이터 등을 포함할 수 있다. 즉, 카메라(121)는 RGB 이미지를 촬영할 수 있는 RGB 카메라, IR 이미지를 촬영할 수 있는 IR 카메라, Depth 이미지를 촬영할 수 있는 Depth 카메라, RGB-D 이미지를 촬영할 수 있는 RGB-D 카메라 등을 포함할 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 이미지 인식 모델을 이용하여 수신한 이미지 데이터에 포함된 객체를 인식한다(S603).
이미지 인식 모델은 이미지 데이터가 입력되면, 입력되는 이미지 데이터에 포함된 객체를 인식하여 인식 정보를 출력하는 모델을 의미할 수 있다. 이미지 인식 모델은 인공 신경망을 포함하며, 머신 러닝 알고리즘 또는 딥 러닝 알고리즘을 이용하여 학습될 수 있다. 구체적으로, 이미지 인식 모델은 합성곱 신경망(CNN: Convolutional Neural Network)을 포함하여, 입력되는 이미지 데이터의 픽셀별 색상 또는 깊이 정보를 이용하여 이미지 데이터에 포함된 객체를 인식하도록 학습될 수 있다.
이미지 인식 모델은 이미지 학습 데이터를 이용하여 학습될 수 있으며, 이미지 학습 데이터는 학습용 이미지 데이터 및 그 학습용 이미지 데이터에 포함된 객체에 대한 인식 정보를 포함할 수 있다. 학습용 이미지 데이터에 포함된 객체에 대한 인식 정보는 라벨 정보라 칭할 수 있다.
일 실시 예에서, 프로세서(180) 또는 러닝 프로세서(130)는 이미지 학습 데이터를 이용하여 이미지 인식 모델을 학습하고, 학습된 이미지 인식 모델을 메모리(170)에 저장할 수 있다. 다른 실시 예에서, 인공 지능 서버(200)의 프로세서(260) 또는 러닝 프로세서(240)는 이미지 학습 데이터를 이용하여 이미지 인식 모델을 학습하고, 학습된 이미지 인식 모델을 인공 지능 서버(200)의 메모리(230)에 저장하거나, 통신부(210)를 통해 인공 지능 장치(100)에 전송하여 인공 지능 장치(100)의 메모리(170)에 저장할 수도 있다.
일 실시 예에서, 프로세서(180)는 메모리(170)에 저장된 이미지 인식 모델을 이용하여 입력된 이미지 데이터에 포함된 객체를 인식할 수 있다. 다른 일 실시 예에서, 프로세서(180)는 통신부(110)를 통해 입력된 이미지 데이터를 인공 지능 서버(200)에 전송하고, 인공 지능 서버(200)의 프로세서(260)가 메모리(230)에 저장된 이미지 인식 모델을 이용하여 이미지 데이터에 포함된 객체를 인식하여 인식 정보를 생성하고, 인공 지능 서버(200)의 프로세서(260)는 통신부(210)를 통해 생성된 인식 정보를 인공 지능 장치(100)에 전송할 수도 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 이미지 인식 모델을 이용한 객체의 인식에 성공하였는지 판단한다(S605).
객체의 인식에 성공하였다는 것은, 이미지 인식 모델을 이용하여 수신한 이미지 데이터에 상응하는 객체 인식 정보를 생성하는데 성공하였음을 의미할 수도 있고, 이미지 인식 모델에서 인식 또는 식별할 수 있는 객체 중에서 하나의 객체가 인식되었음을 의미하는 객체 인식 정보가 생성되었음을 의미할 수도 있다.
반면, 이미지 인식 모델을 이용하여 이미지 데이터로부터 객체 인식을 시도하였으나, 기존에 학습을 통하여 인식 또는 식별 가능한 객체 중에서 하나로 결정되지 않은 경우거나, 결정이 되더라도 인식 신뢰도가 미리 정해진 기준 값보다 낮거나, 이미지 데이터에 포함된 객체가 알 수 없는 객체(unknown object)로 판단되는 경우를 객체의 인식에 실패하였다고 볼 수 있다.
이미지 인식 모델은 출력 레이어에서, 입력되는 이미지 데이터에 포함된 객체가 인식 가능한 객체들에 대응할 가능성 또는 신뢰도를 의미하는 값을 출력할 수 있다. 예컨대, 이미지 인식 모델이 입력된 이미지에 포함된 객체가 개, 고양이, 말 또는 토끼인지 구분하는 모델인 경우에, 이미지 인식 모델의 출력 레이어는 입력된 이미지 데이터에 포함된 객체가 개일 확률, 고양이일 확률, 말일 확률 및 토끼일 확률을 출력할 수 있다.
일 실시 예에서, 이미지 인식 모델은 학습된 객체와 그렇지 않은 객체를 구분하여 인식할 수 있는 오픈 셋 인식(OSR: Open Set Recognition) 모델일 수 있다.
단계(S605)의 판단 결과, 이미지 인식 모델을 이용한 객체의 인식에 실패한 경우, 인공 지능 장치(100)의 프로세서(180)는 자연어 처리(NLP: Natural Language Processing) 모델에 기초하여 학습된 NLP 모델 기반 이미지 인식 모델을 이용하여 수신한 이미지 데이터에 포함된 객체를 인식한다(S607).
이미지 인식 모델은 이미지 데이터가 입력되면 입력되는 이미지 데이터에 포함된 객체를 인식하는 모델이지만, 이를 학습시키기 위하여는 수 많은 이미지 학습 데이터가 필요하다. 즉, 이미지 인식 모델은 단 하나의 객체를 추가적으로 인식할 수 있도록 학습하더라도, 해당 객체를 포함하는 다양한 이미지 데이터를 이용하여 학습하여야 한다. 예컨대, 차량을 인식하기 위한 이미지 학습 데이터는 하나의 차량이라도 다양한 방향이나 구도에서 촬영된 이미지 데이터 및 다양한 차량이 다양한 방향이나 구도에서 촬영된 이미지 데이터를 포함할 수 있다. 그러나, 이미지 인식 모델을 이용하여 이미지 데이터에 포함된 객체를 인식하는데 실패한 경우라면, 현재 입력되는 이미지 데이터를 이용하여 학습 데이터를 생성하더라도, 생성된 학습 데이터는 이미지 인식 모델의 성능을 개선하는데 불충분할 수 있다. 따라서, 인공 지능 장치(100)의 프로세서(180)는 자연어 처리(NLP) 모델에 기초하여 학습된 NLP 모델 기반 이미지 인식 모델을 이용하여 수신한 이미지 데이터에 포함된 객체의 인식을 시도할 수 있다.
NLP 모델 (또는, NLP 엔진)은 텍스트 또는 문자열이 입력되면, 입력되는 텍스트 또는 문자열에 상응하는 객체에 대한 정보를 출력하는 모델을 의미할 수 있다. NLP 모델은 인공 신경망을 포함하며, 머신 러닝 알고리즘 또는 딥 러닝 알고리즘을 이용하여 학습될 수 있다. 구체적으로, NLP 모델은 합성곱 신경망을 포함하며, NLP 엔진의 입력 레이어는 텍스트가 임베딩(embedding)되어 변환된 벡터들이 연결(concat)되어 생성된 행렬을 입력 받고, 입력되는 텍스트의 의미 또는 의도에 대응하는 객체를 결정하도록 학습될 수 있다. 예컨대, NLP 모델은 "하늘을 나는 기계(a machine flying in the sky)"라는 텍스트가 입력되면, 출력으로써 "비행기(an airplane)"에 대응하는 인식 정보를 출력할 수 있다.
NLP 모델은 텍스트 학습 데이터를 이용하여 학습될 수 있으며, 텍스트 학습 데이터는 학습용 텍스트 데이터 및 그 학습용 텍스트 데이터에 대응하는 객체에 대한 인식 정보를 포함할 수 있다. 학습용 텍스트 데이터에 포함된 객체에 대한 인식 정보는 라벨 정보라 칭할 수 있다. NLP 모델은 품사(POS: Part Of Speech), 띄어쓰기(tokenizer), 금지어(negation), 주요 개체명(named entity), 문장 구조(dependency) 또는 지시 대명사(co-reference) 등이 함꼐 고려되어 학습될 수 있다.
일 실시 예에서, 프로세서(180) 또는 러닝 프로세서(130)는 텍스트 학습 데이터를 이용하여 NLP 모델을 학습하고, 학습된 NLP 모델을 메모리(170)에 저장할 수 있다. 다른 실시 예에서, 인공 지능 서버(200)의 프로세서(260) 또는 러닝 프로세서(240)는 텍스트 학습 데이터를 이용하여 NLP 모델을 학습하고, 학습된 NLP 모델을 인공 지능 서버(200)의 메모리(230)에 저장하거나, 통신부(210)를 통해 인공 지능 장치(100)에 전송하여 인공 지능 장치(100)의 메모리(170)에 저장할 수도 있다.
일 실시 예에서, 프로세서(180)는 메모리(170)에 저장된 NLP 모델을 이용하여 입력된 텍스트 데이터에 대응하는 객체를 인식할 수 있다. 다른 일 실시 예에서, 프로세서(180)는 통신부(110)를 통해 입력된 텍스트 데이터를 인공 지능 서버(200)에 전송하고, 인공 지능 서버(200)의 프로세서(260)가 메모리(230)에 저장된 NLP 모델을 이용하여 텍스트 데이터에 대응하는 객체를 인식하여 인식 정보를 생성하고, 인공 지능 서버(200)의 프로세서(260)는 통신부(210)를 통해 생성된 인식 정보를 인공 지능 장치(100)에 전송할 수도 있다.
NLP 모델은 입력되는 텍스트에 대응하는 객체를 인식할 수 있도록 학습되었으므로, 잘 학습된 NLP 모델을 기초로 이미지 데이터에 포함된 객체를 인식하는 이미지 인식 모델을 학습하게 된다면, 적은 이미지 학습 데이터만으로도 객체를 인식할 수 있는 모델을 구축할 수 있다.
NLP 모델 기반 이미지 인식 모델은 NLP 모델에 기초하여 학습된 이미지 인식 모델을 의미하며, 이미지 데이터가 입력되면, 입력되는 이미지 데이터에 포함된 객체에 대한 정보를 출력하는 모델을 의미할 수 있다. NLP 모델 기반 이미지 인식 모델은 인공 신경망을 포함하며, 머신 러닝 알고리즘 또는 딥 러닝 알고리즘을 이용하여 학습될 수 있다. NLP 모델 기반 이미지 인식 모델은 NLP 모델과 동일한 구조를 가질 수도 있고, NLP 모델 및 적어도 하나 이상의 레이어를 더 포함하는 구조를 가질 수도 있다. 추가되는 레이어는 입력 레이어일 수도 있고, 은닉 레이어일수도 있으며, 출력 레이어일 수도 있다. 따라서, NLP 모델 기반 이미지 인식 모델은 합성곱 신경망을 포함하며, NLP 모델 기반 이미지 인식 모델의 입력 레이어는 이미지 데이터를 입력 받고, 입력되는 이미지 데이터에 포함된 객체를 인식하도록 학습될 수 있다. 예컨대, NLP 모델이 "하늘을 나는 기계(a machine flying in the sky)"라는 텍스트가 입력되었을 때, 그 출력으로써 "비행기(an airplane)"에 대응하는 인식 정보를 출력하도록 학습된 경우라면, NLP 모델 기반 이미지 인식 모델은 학습된 NLP 모델을 기반으로 학습되어 "비행기(an airplane)"를 포함하는 이미지 데이터가 입력되었을 때, 그 출력으로써 "비행기(an airplane)"에 대응하는 인식 정보를 출력할 수 있다.
NLP 모델 기반 이미지 인식 모델은 이미지 인식 모델과 마찬가지로 이미지 학습 데이터를 이용하여 학습될 수 있으며, 이미지 학습 데이터는 학습용 이미지 데이터 및 그 학습용 이미지 데이터에 포함된 객체에 대한 인식 정보를 포함할 수 있다. 학습용 이미지 데이터에 포함된 객체에 대한 인식 정보는 라벨 정보라 칭할 수 있다.
일 실시 예에서, 프로세서(180) 또는 러닝 프로세서(130)는 이미지 학습 데이터와 NLP 모델을 이용하여 NLP 모델 기반 이미지 인식 모델을 학습하고, 학습된 NLP 모델 기반 이미지 인식 모델을 메모리(170)에 저장할 수 있다. 다른 실시 예에서, 인공 지능 서버(200)의 프로세서(260) 또는 러닝 프로세서(240)는 이미지 학습 데이터와 NLP 모델을 이용하여 NLP 모델 기반 이미지 인식 모델을 학습하고, 학습된 NLP 모델 기반 이미지 인식 모델을 인공 지능 서버(200)의 메모리(230)에 저장하거나, 통신부(210)를 통해 인공 지능 장치(100)에 전송하여 인공 지능 장치(100)의 메모리(170)에 저장할 수도 있다.
일 실시 예에서, 프로세서(180)는 메모리(170)에 저장된 NLP 모델 기반 이미지 인식 모델을 이용하여 입력된 이미지 데이터에 포함된 객체를 인식할 수 있다. 다른 일 실시 예에서, 프로세서(180)는 통신부(110)를 통해 입력된 이미지 데이터를 인공 지능 서버(200)에 전송하고, 인공 지능 서버(200)의 프로세서(260)가 메모리(230)에 저장된 NLP 모델 기반 이미지 인식 모델을 이용하여 이미지 데이터에 포함된 객체를 인식하여 인식 정보를 생성하고, 인공 지능 서버(200)의 프로세서(260)는 통신부(210)를 통해 생성된 인식 정보를 인공 지능 장치(100)에 전송할 수도 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 NLP 모델 기반 이미지 인식 모델을 이용한 객체 인식에 성공하였는지 판단한다(S609).
객체의 인식에 성공하였다는 것은, NLP 모델 기반 이미지 인식 모델을 이용하여 수신한 이미지 데이터에 상응하는 객체 인식 정보를 생성하는데 성공하였음을 의미할 수도 있고, NLP 모델 기반 이미지 인식 모델에서 인식 또는 식별할 수 있는 객체 중에서 하나의 객체가 인식되었음을 의미하는 객체 인식 정보가 생성되었음을 의미할 수도 있다.
반면, NLP 모델 기반 이미지 인식 모델을 이용하여 이미지 데이터로부터 객체 인식을 시도하였으나, 기존에 학습을 통하여 인식 또는 식별 가능한 객체 중에서 하나로 결정되지 않은 경우거나, 결정이 되더라도 인식 신뢰도가 미리 정해진 기준 값보다 낮거나, 이미지 데이터에 포함된 객체가 알 수 없는 객체로 판단되는 경우를 객체의 인식에 실패하였다고 볼 수 있다.
단계(S609)의 판단 결과, NLP 모델 기반 이미지 인식 모델을 이용한 객체 인식에 실패한 경우, 인공 지능 장치(100)의 프로세서(180)는 사용자의 입력에 의한 이미지 데이터에 상응하는 라벨 정보를 이용하여 NLP 모델 기반 이미지 인식 모델을 갱신한다(S611).
일 실시 예에서, 인공 지능 장치(100)의 프로세서(180)는 디스플레이부(151) 또는 음향 출력부(152)를 통해 이미지 데이터에 포함된 객체에 대한 정보를 입력하라는 요청을 화상 또는 음성으로 출력할 수 있고, 마이크로폰(122) 또는 사용자 입력부(123)를 통해 사용자의 입력을 수신함으로써 라벨 정보를 획득할 수 있다. 다른 일 실시 예에서, 인공 지능 장치(100)의 프로세서(180)는 통신부(110)를 통해 연결된 외부 단말기에 이미지 데이터에 포함된 객체에 대한 정보를 입력하라는 요청을 출력하는 출력 신호를 전송하고, 통신부(110)를 통해 외부 단말기에서 사용자로부터 수신한 라벨 정보를 수신할 수 있다. 예컨대, 인공 지능 장치(100)는 통신부(110)를 통해 증강 현실(AR) 단말기와 연결될 수 있고, 통신부(110)를 통해 증강 현실 단말기에 획득한 이미지 데이터에 대응하는 영상을 출력하는 출력 신호를 전송하고, 증강 현실 단말기로부터 사용자의 입력에 의한 이미지 데이터에 포함된 객체에 대한 라벨 정보를 수신할 수 있다.
일 실시 예에서, 인공 지능 장치(100)의 프로세서(180) 또는 러닝 프로세서(130)는 사용자의 입력으로 획득한 라벨 정보에 기초하여, 이미지 데이터와 획득한 라벨 정보를 포함하는 학습 데이터(training data)를 생성하고, 생성한 학습 데이터를 이용하여 NLP 모델 기반 이미지 인식 모델을 갱신할 수 있다. 다른 일 실시 예에서, 인공 지능 장치(100)의 프로세서(180)는 이미지 데이터와 획득한 라벨 정보를 포함하는 학습 데이터를 생성하고, 통신부(110)를 통해 생성한 학습 데이터와 NLP 모델 기반 이미지 인식 모델을 인공 지능 서버(200)에 전송하고, 인공 지능 서버(200)의 프로세서(260) 또는 러닝 프로세서(240)는 수신한 학습 데이터를 이용하여 NLP 모델 기반 이미지 인식 모델을 갱신하고, 인공 지능 서버(200)의 프로세서(260)는 통신부(210)를 통해 갱신한 NLP 모델 기반 이미지 인식 모델을 인공 지능 장치(100)에 전송할 수 있다.
생성된 학습 데이터는 NLP 모델 기반 이미지 인식 모델의 학습 (또는 갱신)에 이용될 수도 있고, 이미지 인식 모델의 학습 (또는 갱신)에도 이용될 수 있다. 다만, 상술하였듯, 이미지 인식 모델의 갱신에는 하나의 객체라 하더라도 많은 수의 이미지 데이터가 요구되기에, NLP 모델 기반 이미지 인식 모델을 학습시키는 것이 더 효과적이라 볼 수 있다.
단계(S605)의 판단 결과 이미지 인식 모델을 이용한 객체 인식에 성공하였거나, 단계(S609)의 판단 결과 NLP 모델 기반 이미지 인식 모델을 이용한 객체 인식에 성공한 경우, 인공 지능 장치(100)의 프로세서(180)는 이미지 데이터에 포함된 객체를 인식하는 절차를 종료한다. 예컨대, 인공 지능 장치(100)의 프로세서(180)는 인식된 객체에 상응하는 정보를 출력할 수 있다.
일 실시 예에서, 프로세서(180)는 NLP 모델 기반 이미지 인식 모델을 이용한 객체 인식에 성공하더라도, 사용자의 입력에 의한 이미지 데이터에 상응하는 라벨 정보를 이용하여 학습 데이터를 생성하고, 생성한 학습 데이터를 이용하여 NLP 모델 기반 이미지 모델을 갱신할 수도 있다.
도 6에 도시된 방법에 따르면, 본 개시의 일 실시 예에서 인공 지능 장치(100)는 이미지 인식 모델을 이용하여 이미지 데이터에 포함된 객체의 인식에 실패하였을 경우에 NLP 모델 기반 이미지 인식 모델을 이용하여 이미지 데이터에 포함된 객체의 인식을 시도한다. 여기서, 인공 지능 장치(100)는 이미지 인식 모델을 대신하여 NLP 모델 기반 이미지 인식 모델을 이용하여 객체의 인식을 시도하고, 나아가 생성된 학습 데이터를 이용하여 NLP 모델 기반 이미지 인식 모델을 갱신하는데, 이는 이미지 인식 모델을 이용하여 객체를 인식할 수 있도록 학습시키기 위하여는 수 많은 이미지 학습 데이터가 필요하기 때문이다. 반면, NLP 모델 기반 이미지 인식 모델은 사전에 학습된 NLP 모델을 기초로 생성 및 학습된 모델이므로, 적은 양의 이미지 학습 데이터만으로 학습되더라도 이미지 데이터에서 객체를 인식할 수 있다.
도 6은 일 실시 예에 따른 이미지 데이터에 포함된 객체를 인식하는 방법의 한 사이클(cycle)을 도시한 것에 불과하다. 도 6에 도시된 단계들(steps)은 반복적으로 수행될 수 있고, 그에 따라 인공 지능 장치(100)는 반복적으로 이미지 데이터에 포함된 객체를 인식할 수 있다.
도 6에 도시된 단계들의 순서는 하나의 예시에 불과하며, 본 개시가 이에 한정되지는 않는다. 즉, 일 실시 예에서, 도 6에 도시된 단계들 중 일부 단계의 순서가 서로 바뀌어 수행될 수도 있다. 또한, 일 실시 예에서, 도 6에 도시된 단계들 중 일부 단계는 병렬적으로 수행될 수도 있다.
도 7은 본 개시의 일 실시 예에 따른 이미지 인식 모델의 예시를 나타낸 도면이다.
도 7을 참조하면, 이미지 인식 모델(710)은 이미지 데이터(701)를 입력 받고, 입력 받은 이미지 데이터(701)에 포함된 객체를 인식하여 객체 인식 정보(721)를 출력할 수 있다.
이미지 인식 모델(710)은 합성곱 신경망을 포함하는 인공 신경망으로 구성될 수 있다. 예컨대, 이미지 인식 모델(710)은 제1 합성곱 레이어(711, convolution layer), 제1 풀링 레이어(712, pooling layer), 제2 합성곱 레이어(713), 제2 풀링 레이어(714), 제1 전연결 레이어(715, fully-connected layer) 및 제2 전연결 레이어(716)를 포함하고, 이 레이어들을 통해 객체 인식 정보(721)를 출력(717)할 수 있다. 도 7에 도시된 이미지 인식 모델(710)의 구조는 하나의 예시에 불과하며, 이미지 인식 모델(710)을 구성하는 인공 신경망의 구조는 도 7에 도시된 구조에 한정되지 않는다.
이미지 인식 모델(710)에는 이미지 데이터(701)가 각 픽셀별 정보(예컨대, RGB 값)를 포함하는 행렬의 형태로 입력될 수 있다. 그리고, 입력되는 행렬은 합성곱 레이어(711, 713)와 풀링 레이어(712, 714)에서 미리 정해진 필터(예컨대, 711a)를 이용하여 합성곱(convolution) 또는 풀링(pooling)을 수행할 수 있다. 비록, 도 7에서는 미리 정해진 필터(예컨대, 711a)가 정사각형 모양으로 도시되어 있으나, 본 개시가 이에 한정되지는 않는다. 예컨대, 합성곱 레이어 또는 풀링 레이어에서 사용하는 필터는 직사각형 모양일 수도 있다.
만약, 이미지 데이터(701)가 비행기를 포함하는 이미지 데이터라면, 이미지 인식 모델(710)은 객체 인식 정보(721)로써 "비행기"를 포함하는 정보를 출력할 수 있다.
이미지 인식 모델(710)은 이미지 데이터(701)과 그에 대응하는 라벨 정보로써의 객체 인식 정보(721)를 포함하는 학습 데이터를 이용하여 학습될 수 있다.
도 8은 본 개시의 일 실시 예에 따른 NLP 모델의 예시를 나타낸 도면이다.
도 8을 참조하면, 음성 데이터(801)에 포함된 단어들은 워드 임베딩(word embedding)에 기초하여 벡터들로 변환되고, 변환된 임베딩 벡터들이 연결됨으로써 생성한 행렬 또는 워드 임베딩 행렬(811)이 NLP 모델(820)에 입력되면, NLP 모델(820)은 입력된 워드 임베딩 행렬(811)에 대응하는 객체 인식 정보(831)를 출력할 수 있다.
NLP 모델(820)은 합성곱 신경망을 포함하는 인공 신경망으로 구성될 수 있다. 예컨대, 이미지 인식 모델(820)은 제1 합성곱 레이어(821), 제1 풀링 레이어(822), 제2 합성곱 레이어(823), 제2 풀링 레이어(824), 제1 전연결 레이어(825) 및 제2 전연결 레이어(826)를 포함하고, 이 레이어들을 통해 객체 인식 정보(831)를 출력(827)할 수 있다. 도 8에 도시된 NLP 모델(820)의 구조는 하나의 예시에 불과하며, NLP 모델(820)을 구성하는 인공 신경망의 구조는 도 8에 도시된 구조에 한정되지 않는다.
NLP 모델(820)에는 음성 데이터(801)가 워드 임베딩 기법을 이용하여 워드 임베딩 행렬(811)과 같은 행렬의 형태로 입력될 수 있다. 그리고, 입력되는 행렬은 합성곱 레이어(821, 823)와 풀링 레이어(822, 824)에서 미리 정해진 필터(예컨대, 821a)를 이용하여 합성곱 또는 풀링을 수행할 수 있다. 비록, 도 8에서는 미리 정해진 필터(예컨대, 821a)가 직사각형 모양으로 도시되어 있으나, 본 개시가 이에 한정되지는 않는다. 워드 임베딩 행렬(811)은 각 단어들을 워드 임베딩 기법에 의하여 벡터로 변환하고, 변환된 벡터들을 연결(concat)하여 생성한 행렬이므로, 워드 임베딩 행렬(811)에서는 하나의 행이 하나의 단어와 대응되게 된다. 따라서, 워드 임베딩 행렬(811)에 대하여 이용하는 필터는 적어도 하나 이상의 행을 전부다 포함할 수 있도록 직사각형 모양으로 설정될 수 있다.
도 8에 도시된 워드 임베딩 행렬(811)은 각 단어별로 원 핫 벡터(one hot vector) 형식으로 표현된 벡터를 연결하여 생성한 행렬이며, 단순한 예시에 불과하다. 따라서, 본 개시의 실시 예에 따라 워드 임베딩 행렬(811)의 차원과 각 단어별로 대응되는 벡터가 다양하게 설정될 수 있다.
만약, 음성 데이터(801)가 비행기를 설명하는 음성 "a machine flying in the sky"를 포함하는 음성 데이터라면, 이미지 인식 모델(820)은 음성 데이터(801)에 대응하는 객체 인식 정보(831)로써 "비행기"를 포함하는 정보를 출력할 수 있다.
NLP 모델(820)은 워드 임베딩 행렬(811)과 그에 대응하는 라벨 정보로써의 객체 인식 정보(831)를 포함하는 학습 데이터를 이용하여 학습될 수 있다. 또는, NLP 모델(820)은 음성 데이터(801)로부터 변환된 텍스트와 그에 대응하는 라벨 정보로써의 객체 인식 정보(831)를 포함하는 학습 데이터를 이용하여 학습될 수 있다.
도 9는 본 개시의 일 실시 예에 따른 NLP 모델 기반 이미지 인식 모델의 예시를 나타낸 도면이다.
도 9를 참조하면, NLP 모델 기반 이미지 인식 모델(910)은 도 8에 도시된 NLP 모델(820)을 포함하여 구성될 수 있다. 예컨대, NLP 모델 기반 이미지 인식 모델(910)은 NLP 모델(820)과 동일한 구조를 가질 수도 있고 NLP 모델(820)과 그 이외의 추가 레이어를 더 포함하는 구조를 가질 수도 있다. 그리고, NLP 모델 기반 이미지 인식 모델(910)은 이미 학습된 NLP 모델(820)에 기초하여 구축되어, 이미지 데이터(901)가 입력되면 입력 받은 이미지 데이터(901)에 포함된 객체를 인식하여 객체 인식 정보(921)를 출력하도록 학습될 수 있다.
도 9에 도시된 NLP 모델 기반 이미지 인식 모델(910)은 도 8에 도시된 NLP 모델(820)과 동일한 구조를 가지며, 제1 합성곱 레이어(911), 제1 풀링 레이어(912), 제2 합성곱 레이어(913), 제2 풀링 레이어(914), 제1 전연결 레이어(915) 및 제2 전연결 레이어(916)를 포함하고, 이 레이어들을 통해 객체 인식 정보(921)를 출력(917)할 수 있다. 도 9에 도시된 NLP 모델 기반 이미지 인식 모델(910)의 구조는 하나의 예시에 불과하며, NLP 모델 기반 이미지 인식 모델(910)을 구성하는 인공 신경망의 구조는 도 9에 도시된 구조에 한정되지 않는다.
NLP 모델 기반 이미지 인식 모델(910)에서 이미지 데이터(901)에 대하여 이용하는 필터는, NLP 모델(820)에서와 마찬가지로, 이미지 데이터(901)의 적어도 하나 이상의 행을 전부 다 포함할 수 있도록 직사각형 모양으로 설정될 수 있다.
NLP 모델 기반 이미지 인식 모델(910)에 이미지 데이터(901)를 입력하기 위하여 이미지 데이터(901)에 대하여 전처리(pre-processing)가 수행될 수 있으며, 이러한 전처리는 노이즈 제거, 크기 변경 등이 포함될 수 있다.
만약, 이미지 데이터(901)가 비행기를 포함하는 이미지 데이터라면, NLP 모델 기반 이미지 인식 모델(910)은 객체 인식 정보(921)로써 "비행기"를 포함하는 정보를 출력할 수 있다.
NLP 모델 기반 이미지 인식 모델(910)은 이미지 데이터(901)과 그에 대응하는 라벨 정보로써의 객체 인식 정보(921)를 포함하는 학습 데이터를 이용하여 학습될 수 있다.
도 10은 본 개시의 일 실시 예에 따른 NLP 모델과 NLP 모델 기반 이미지 인식 모델의 관계를 나타낸 도면이다.
도 10을 참조하면, NLP 모델(1010)은 텍스트(1001)로부터 생성된 워드 임베딩 행렬(1002)가 입력되면, 입력된 워드 임베딩 행렬(1002)에 대응하는 객체에 대한 객체 인식 정보(1021)를 출력하는 모델일 수 있다. 워드 임베딩 행렬(1002)의 생성에 이용되는 텍스트(1001)는 음성 데이터가 STT(Speech to Text) 모델을 이용하여 변환된 텍스트일 수 있다.
NLP 모델 기반 이미지 인식 모델(1040)은 이미지 데이터(1031)가 입력되면, 입력된 이미지 데이터(1031)에 포함된 객체에 대한 객체 인식 정보(1051)를 출력하는 모델일 수 있다.
NLP 모델 기반 인식 모델(1040)은 텍스트(1001)에 대응하는 객체 인식 정보(1021)를 출력하는 NLP 모델(1010)에 기초하여 생성 및 학습될 수 있다. NLP 모델 기반 이미지 인식 모델(1040)은 이미 학습된 NLP 모델(1010)을 기초로 생성되며 추가적인 학습 데이터를 이용하여 학습된다는 점에서, 전이 학습(transfer learning) 기법을 이용하여 학습되는 모델이라 볼 수도 있다. 전이 학습은 딥 러닝에서의 학습 기법 중에서 하나로, 사전에 학습된 모델을 이용하여 새로운 모델을 생성 및 학습하며, 학습된 모델이 적용되는 도메인을 변경하는데 사용될 수 있다. 사전에 학습된 모델에 대한 정보(예컨대 모델 파라미터)는 새로운 모델에 대한 지식(knowledge) 또는 정보(information)으로써 이용될 수 있다. 사전에 학습된 모델로부터 새로 생성된 모델의 학습 또는 재학습은 세부 조정(fine-tuning)이라고 칭할 수 있다.
도 11은 본 개시의 일 실시 예에 따른 NLP 모델 기반 이미지 인식 모델을 학습하는 방법을 나타낸 동작 흐름도이다.
NLP 모델 기반 이미지 인식 모델을 학습하는 방법은 도 6에 도시된 NLP 모델 기반 이미지 인식 모델을 이용하여 수신한 이미지 데이터에 포함된 객체를 인식하는 단계(S607)의 이전에 수행될 수도 있고, 도 6에 도시된 NLP 모델 기반 이미지 인식 모델을 갱신하는 단계(S611)에서 수행될 수도 있다.
도 11을 참조하면, 인공 지능 장치(100)의 프로세서(180) 또는 러닝 프로세서(130)는 NLP 모델 기반 이미지 인식 모델이 존재하는지 판단한다(S1101).
프로세서(180)는 인공 지능 장치(100)의 메모리(170) 또는 인공 지능 서버(200)의 메모리(230)에 NLP 모델 기반 이미지 인식 모델이 저장되어 있는지 여부를 파악함으로써, NLP 모델 기반 이미지 인식 모델이 존재하는지 판단할 수 있다.
단계(S1101)의 판단 결과 NLP 모델 기반 이미지 인식 모델이 존재하지 않는 경우, 인공 지능 장치(100)의 프로세서(180)는 NLP 모델을 포함하는 NLP 모델 기반 이미지 인식 모델을 생성한다(S1103).
프로세서(180)는 인공 지능 장치(100)의 메모리(170)에 저장된 NLP 모델을 포함하는 NLP 모델 기반 이미지 인식 모델을 생성하여 메모리(170)에 저장할 수 있다. 또는, 프로세서(180)는 통신부(110)를 통해 인공 지능 서버(200)에 NLP 모델 기반 이미지 인식 모델의 생성을 요청할 수 있고, 인공 지능 서버(200)의 프로세서(260)는 메모리(230)에 저장된 NLP 모델을 포함하는 NLP 모델 기반 이미지 인식 모델을 생성하고, 인공 지능 서버(200)의 프로세서(260)는 생성한 NLP 모델 기반 이미지 인식 모델을 메모리(230)에 저장하거나 통신부(210)를 통해 인공 지능 장치(100)로 전송할 수 있다.
인공 지능 장치(100)의 프로세서(180) 또는 인공 지능 서버(200)의 프로세서(260)는 NLP 모델을 복제함으로써, NLP 모델과 동일한 구조를 갖는 NLP 모델 기반 이미지 인식 모델을 생성할 수 있다. 또는, 인공 지능 장치(100)의 프로세서(180) 또는 인공 지능 서버(200)의 프로세서(260)는 NLP 모델을 복제하고, 복제된 NLP 모델에 적어도 하나 이상의 레이어를 추가함으로써 NLP 모델 기반 이미지 인식 모델을 생성할 수 있다. 즉, 생성된 NLP 모델 기반 이미지 인식 모델은 NLP 모델과는 구분되는 별도의 모델로 관리된다.
단계(S1101)의 판단 결과 NLP 모델 이미지 인식 모델이 존재하거나, 단계(S1103)에 따라 NLP 모델 기반 이미지 인식 모델이 생성된 경우, 인공 지능 장치(100)의 프로세서(180)는 이미지 학습 데이터를 이용하여 NLP 모델 기반 이미지 인식 모델을 학습한다(S1105).
이미지 학습 데이터는 이미지 인식 모델의 학습에 이용되는 학습 데이터로, 이미지 데이터와 라벨 정보로써의 그 이미지 데이터에 포함된 객체에 대한 인식 정보를 포함할 수 있다.
프로세서(180) 또는 러닝 프로세서(130)는 인공 지능 장치(100)의 메모리(170)에 저장된 이미지 학습 데이터를 이용하여 NLP 모델 기반 이미지 인식 모델을 학습할 수 있다. 또는, 프로세서(180)는 통신부(110)를 통해 인공 지능 서버(200)에 NLP 모델 기반 이미지 인식 모델의 학습을 요청할 수 있고, 인공 지능 서버(200)의 프로세서(260) 또는 러닝 프로세서(240)는 메모리(230)에 저장된 이미지 학습 데이터를 이용하여 NLP 모델 기반 이미지 인식 모델을 학습하고, 인공 지능 서버(200)의 프로세서(260)는 학습한 NLP 모델 기반 이미지 인식 모델을 메모리(230)에 저장하거나 통신부(210)를 통해 인공 지능 장치(100)로 전송할 수 있다.
인공 지능 장치(100)의 프로세서(180) 또는 러닝 프로세서(130), 또는 인공 지능 서버(200)의 프로세서(260) 또는 러닝 프로세서(240)는 기존에 이미지 인식 모델의 학습에 이용되는 학습 데이터뿐만 아니라, 현재 수신하는 이미지 데이터에 기초하여 생성된 학습 데이터를 이용하여 NLP 모델 기반 이미지 인식 모델을 갱신할 수 있다. 생성된 학습 데이터를 이용하여 NLP 모델 기반 이미지 인식 모델을 갱신한다는 것은 생성된 학습 데이터를 이용하여 NLP 모델 기반 이미지 인식 모델을 추가적으로 학습한다는 것을 의미할 수 있다.
상술한 것과 같이, NLP 모델이 합성곱 신경망을 포함하는 인공 신경망으로 구성된다는 점에서, NLP 모델 기반 이미지 인식 모델도 합성곱 신경망을 포함하는 인공 신경망으로 구성된다. NLP 모델 기반 이미지 인식 모델이 합성곱 신경망을 포함하는 인공 신경망으로 구성되며 이미지 학습 데이터를 이용하여 학습된다는 점은 이미지 인식 모델이 합성곱 신경망을 포함하는 인공 신경망으로 구성되며 이미지 학습 데이터를 이용하여 학습된다는 점에서, 두 모델은 서로 유사성이 있다. 그러나, 이미지 인식 모델은 오직 이미지 학습 데이터만을 이용하여 학습되기 때문에, 이미지 학습 데이터로부터 학습하지 않은 객체를 인식하지 못하는 한계가 있다. 반면, NLP 모델 기반 이미지 인식 모델은 NLP 모델을 포함하여 생성 및 학습되고, NLP 모델은 텍스트 학습 데이터를 이용하여 학습되어 입력되는 텍스트에 대응하는 객체 인식 정보를 출력할 수 있으므로, NLP 모델 기반 이미지 인식 모델은 이미지 학습 데이터로부터 학습하지 않은 객체에 대하여도 NLP 모델에서 인식할 수 있는 객체였다면 인식할 수 있는 가능성이 있으며, 훨씬 적은 양의 이미지 학습 데이터만으로도 이미지 데이터에서 객체를 인식할 수 있도록 학습될 수 있다.
도 12는 본 개시의 일 실시 예를 나타낸 도면이다.
도 12를 참조하면, 일 실시 예에 따른 인공 지능 장치(1210)는 인공 지능 로봇일 수 있다. 그리고, 인공 지능 장치(1210)는 통신부(110)를 통해 사용자 단말기(1220)와 통신할 수 있다.
인공 지능 장치(1210) 또는 인공 지능 로봇은 카메라(121)를 통해 트럭을 포함하는 이미지 데이터(1211)를 수신하고, 통신부(110)를 통해 수신한 이미지 데이터(1211)를 사용자 단말기(1220)로 전송할 수 있다. 사용자 단말기(1220)는 수신한 이미지 데이터(1211)를 디스플레이부에서 출력(1221)할 수 있다.
인공 지능 장치(1210)는 이미지 인식 모델을 이용하여 수신한 이미지 데이터(1211)에 포함된 객체인 트럭의 인식을 시도하고, 이미지 인식 모델을 이용한 객체 인식에 실패한 경우에 NLP 모델 기반 이미지 인식 모델을 이용하여 객체의 인식을 시도할 수 있다.
만약, 인공 지능 장치(1210)가 NLP 모델 기반 이미지 인식 모델을 이용하고도 객체의 인식에 실패한 경우라면, 인공 지능 장치(1210)는 통신부(110)를 통해 사용자 단말기(1220)에 라벨 정보를 요청하는 출력 신호를 전송할 수 있고, 사용자 단말기(1220)는 음향 출력부나 디스플레이부를 통해 "What is it?"(1222)과 같은 음성, 텍스트 또는 이미지를 출력함으로써 이미지 데이터(1211)에 포함된 객체에 대한 라벨 정보를 입력할 것을 요청할 수 있다. 사용자(1230)는 사용자 단말기(1220)의 요청에 따라 "Truck"(1231)라고 발화함으로써 라벨 정보를 제공할 수 있고, 사용자 단말기(1220)는 획득한 라벨 정보를 인공 지능 장치(1210)에 전송하고, 인공 지능 장치(1210)는 수신한 라벨 정보를 이용하여 이미지 데이터(1211)와 수신한 라벨 정보를 포함하는 학습 데이터를 생성할 수 있다. 이와 같이 생성된 학습 데이터는 NLP 모델 기반 이미지 인식 모델의 학습에 이용될 수 있으며, 나아가 이미지 인식 모델의 학습에도 이용될 수 있다. 여기서, 인공 지능 장치(1210)는 자연어 처리 모델을 이용하여 사용자(1230)의 발화 음성(1231)으로부터 라벨 정보를 획득할 수 있다.
다른 실시 예에서, 사용자 단말기(1222)는 사용자(1230)에게 라벨 정보를 요청하지 않은 상황에서라도 사용자(1230)의 라벨 정보 입력이 있는 경우라면, 입력되는 라벨 정보를 인공 지능 장치(1210)에 전송할 수 있고, 인공 지능 장치(1210)는 입력되는 라벨 정보를 이용하여 학습 데이터를 생성할 수 있다.
도 12에서는 사용자 단말기(1220)가 스마트폰과 같은 휴대 단말기의 형태로 도시되었으나, 본 개시가 이에 한정되지는 않는다. 예컨대, 사용자 단말기(1220)는 헤드 마운트 디스플레이(HMD) 장치로 구현되고, 이러한 HMD는 이미지 데이터(1211)와 그에 대응하여 생성된 증강 현실 콘텐츠(Augmented Reality Contents)를 함께 출력할 수도 있다. 증강 현실 콘텐츠에는 이미지 데이터(1211)에 포함된 객체에 대한 객체 인식 정보가 포함될 수도 있다.
도 13은 본 개시의 일 실시 예를 나타낸 도면이다.
도 13을 참조하면, 일 실시 예에 따른 인공 지능 장치(1320)는 인공 지능 헤드 마운트 디스플레이(HMD)일 수 있다. 그리고, 인공 지능 장치(1320)는 통신부(110)를 통해 사용자 단말기(1330)와 통신할 수 있다.
제1 사용자(1310)는 인공 지능 장치(1320) 또는 인공 지능 헤드 마운트 디스플레이는 카메라(121)를 통해 데스크탑 컴퓨터(1321)를 포함하는 이미지 데이터를 수신하고, 통신부(110)를 통해 수신한 이미지 데이터를 사용자 단말기(1330)로 전송할 수 있다. 사용자 단말기(1330)는 수신한 이미지 데이터를 디스플레이부에서 출력(1331)할 수 있다.
인공 지능 장치(1320)는 이미지 인식 모델을 이용하여 수신한 이미지 데이터에서 데스크탑 컴퓨터의 단자나 버튼과 같은 객체의 인식을 시도하고, 이미지 인식 모델을 이용한 객체 인식에 실패한 경우에 NLP 모델 기반 이미지 인식 모델을 이용하여 객체의 인식을 시도할 수 있다. 인공 지능 장치(1320)는 디스플레이부에 수신한 이미지 데이터와 인식된 객체 정보를 함께 표시할 수 있다.
제2 사용자(1340)는 사용자 단말기(1330)를 이용하여 제1 사용자(1310)가 인공 지능 장치(1320)를 통하여 시청하는 이미지(1331)를 시청할 수 있고, 이를 통해 제2 사용자(1340)는 제1 사용자(1310)에 대하여 원격 가이드를 제공할 수 있다. 사용자 단말기(1330)는 제2 사용자(1340)의 발화 음성을 인공 지능 장치(1320)에 전송함으로써 제1 사용자(1310)은 음성 가이드를 제공받을 수 있다. 나아가, 사용자 단말기(1330)는 제2 사용자(1340)의 발화 음성을 인공 지능 장치(1320)에 전송하고, 인공 지능 장치(100)는 제2 사용자(1340)의 발화 음성으로부터 기초로 객체에 대한 라벨 정보를 획득하고, 수신한 이미지 데이터와 획득한 라벨 정보를 기초로 학습 데이터를 생성할 수 있다. 이와 같이 생성된 학습 데이터는 NLP 모델 기반 이미지 인식 모델의 학습에 이용될 수 있으며, 나아가 이미지 인식 모델의 학습에도 이용될 수 있다.
만약, 제2 사용자(1340)가 사용자 단말기(1330)에서 디스플레이되는 이미지(1331)에서 손(1341)으로 특정 지점을 선택(1342)하며, 음성으로 "이게 USB 포트야"(1343)라고 발화함으로써 라벨 정보를 제공할 수 있고, 사용자 단말기(1330)는 통신부를 통해 제2 사용자(1340)의 선택 정보와 발화 음성(1343)을 인공 지능 장치(1320)에 전송할 수 있다. 인공 지능 장치(100)는 사용자 단말기(1330)로부터 수신한 발화 음성(1343)으로부터 라벨 정보를 획득하고, 수신한 선택 정보와 획득한 라벨 정보를 기초로 학습 데이터를 생성할 수 있다. 나아가, 인공 지능 장치(1320)는 수신한 선택 정보와 획득한 라벨 정보를 기초로 디스플레이부에서 출력하는 이미지에서 수신한 선택 정보에 대응하는 객체와 수신한 선택 정보에 대응하여 획득한 라벨 정보를 매핑하여 출력할 수 있다.
본 개시의 일 실시 예에 따르면, 전술한 방법은 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다.

Claims (20)

  1. 이미지 데이터에 포함된 객체를 인식하는 인공 지능 장치에 있어서,
    카메라;
    통신부;
    이미지 인식 모델, 자연어 처리(NLP: Natural Language Processing) 모델 및 상기 NLP 모델에 기초하여 학습된 NLP 모델 기반 이미지 인식 모델을 저장하는 메모리; 및
    상기 카메라 또는 상기 통신부를 통해 이미지 데이터를 수신하고, 상기 이미지 인식 모델을 이용하여 상기 수신한 이미지 데이터에 포함된 객체를 인식하여 상기 객체에 대한 인식 정보를 생성하고, 상기 이미지 인식 모델을 이용한 상기 객체의 인식에 실패한 경우에 상기 NLP 모델 기반 이미지 인식 모델을 이용하여 상기 수신한 이미지 데이터에 포함된 상기 객체를 인식하여 상기 객체에 대한 인식 정보를 생성하는 프로세서
    를 포함하는, 인공 지능 장치.
  2. 청구항 1에 있어서,
    상기 이미지 인식 모델은
    학습용 이미지 데이터와 상기 학습용 이미지 데이터에 대응하는 객체가 라벨링된 이미지 학습 데이터를 이용하여 학습되고, 입력되는 이미지 데이터에 포함된 객체를 인식하는 모델이고,
    상기 NLP 모델은
    학습용 텍스트와 상기 학습용 텍스트에 대응하는 객체가 라벨링된 텍스트 학습 데이터를 이용하여 학습되고, 입력되는 텍스트에 대응하는 객체를 인식하는 모델이고,
    상기 NLP 모델 기반 이미지 인식 모델은
    입력되는 이미지 데이터에 포함되는 객체를 인식하는 모델인, 인공 지능 장치.
  3. 청구항 2에 있어서,
    상기 NLP 모델은
    합성곱 신경망(CNN: Convolutional Neural Network)을 포함하고, 입력 레이어에서 상기 입력되는 텍스트에 포함된 단어들로부터 임베딩된 벡터들이 연결(concat)되어 생성된 행렬을 입력 받고, 머신 러닝 알고리즘 또는 딥 러닝 알고리즘을 이용하여 학습되는, 인공 지능 장치.
  4. 청구항 3에 있어서,
    상기 프로세서는
    상기 NLP 모델을 포함하는 NLP 모델 기반 이미지 인식 모델을 생성하고, 상기 이미지 학습 데이터를 이용하여 상기 NLP 모델 기반 이미지 인식 모델을 학습하는, 인공 지능 장치.
  5. 청구항 4에 있어서,
    상기 NLP 모델 기반 이미지 인식 모델은
    상기 NLP 모델과 동일한 구조를 갖는 모델인, 인공 지능 장치.
  6. 청구항 4에 있어서,
    상기 NLP 모델 기반 이미지 인식 모델은
    상기 NLP 모델과 적어도 하나 이상의 레이어를 더 포함하는 구조를 갖는 모델인, 인공 지능 장치.
  7. 청구항 4에 있어서,
    상기 프로세서는
    상기 이미지 데이터를 상기 NLP 모델 기반 이미지 인식 모델에 입력하고, 상기 NLP 모델 기반 이미지 인식 모델에서의 출력에 기초하여 상기 객체에 대한 인식 정보를 생성하는, 인공 지능 장치.
  8. 청구항 7에 있어서,
    상기 프로세서는
    사용자의 입력에 의한 상기 이미지 데이터에 상응하는 라벨 정보를 수신하고, 상기 이미지 데이터와 상기 라벨 정보를 포함하는 학습 데이터를 생성하고, 상기 생성한 학습 데이터를 이용하여 상기 NLP 모델 기반 이미지 인식 모델을 갱신하는, 인공 지능 장치.
  9. 청구항 8에 있어서,
    상기 사용자의 입력은
    음성 데이터이고,
    상기 프로세서는
    상기 자연어 처리 모델을 이용하여 상기 음성 데이터로부터 상기 라벨 정보를 획득하는, 인공 지능 장치.
  10. 청구항 8에 있어서,
    상기 통신부는
    외부 단말기와 통신하고,
    상기 프로세서는
    상기 통신부를 통해 상기 외부 단말기에 상기 이미지 데이터를 표시하는 출력 신호를 전송하고, 상기 통신부를 통해 상기 외부 단말기로부터 상기 이미지 데이터에 상응하는 상기 라벨 정보를 수신하는, 인공 지능 장치.
  11. 청구항 10에 있어서,
    상기 프로세서는
    상기 NLP 모델 기반 이미지 인식 모델을 이용한 상기 객체의 인식에 실패한 경우, 상기 통신부를 통해 상기 외부 단말기에 상기 라벨 정보의 입력을 요청하는 출력 신호를 전송하고, 상기 통신부를 통해 상기 외부 단말기로부터 상기 라벨 정보를 수신하는, 인공 지능 장치.
  12. 청구항 11에 있어서,
    상기 프로세서는
    상기 NLP 모델 기반 이미지 인식 모델을 이용하여 상기 객체에 대한 인식 정보를 생성할 때, 인식 신뢰도가 미리 정해진 기준 값보다 낮거나 상기 객체가 알 수 없는 객체(unknown object)로 판단되는 경우, 상기 NLP 모델 기반 이미지 인식 모델을 이용한 객체 인식에 실패한 것으로 판단하는, 인공 지능 장치.
  13. 청구항 10에 있어서,
    상기 프로세서는
    상기 통신부를 통해 상기 외부 단말기로부터 상기 사용자의 상기 이미지 데이터 내에서의 선택 정보와 상기 라벨 정보를 수신하고, 상기 수신한 선택 정보와 상기 라벨 정보를 기초로 상기 학습 데이터를 생성하는, 인공 지능 장치.
  14. 청구항 1에 있어서,
    디스플레이부
    를 더 포함하고,
    상기 프로세서는
    상기 디스플레이부를 통해 상기 수신한 이미지 데이터를 출력하는, 인공 지능 장치.
  15. 청구항 14에 있어서,
    상기 프로세서는
    상기 디스플레이부를 통해 상기 수신한 이미지 데이터와 상기 수신한 이미지 데이터에 포함된 상기 객체에 상응하는 상기 인식 정보를 함께 출력하는, 인공 지능 장치.
  16. 청구항 1에 있어서,
    상기 프로세서는
    상기 이미지 인식 모델을 이용하여 상기 객체에 대한 인식 정보를 생성할 때, 인식 신뢰도가 미리 정해진 기준 값보다 낮거나 상기 객체가 알 수 없는 객체(unknown object)로 판단되는 경우, 상기 이미지 인식 모델을 이용한 객체 인식에 실패한 것으로 판단하는, 인공 지능 장치.
  17. 청구항 1에 있어서,
    상기 카메라는
    RGB 카메라, IR 카메라 또는 Depth 카메라 중에서 적어도 하나 이상을 포함하고,
    상기 이미지 데이터는
    RGB 이미지 데이터, IR 이미지 데이터 또는 Depth 이미지 데이터 중에서 적어도 하나 이상을 포함하는, 인공 지능 장치.
  18. 청구항 1에 있어서,
    상기 통신부는
    카메라를 구비한 외부 장치로부터 상기 이미지 데이터를 수신하고,
    상기 외부 장치는
    CCTV, 헤드 마운드 디스플레이, 로봇 및 사물 인터넷 카메라를 포함하는, 인공 지능 장치.
  19. 이미지 데이터에 포함된 객체를 인식하는 방법에 있어서,
    카메라 또는 통신부를 통해 이미지 데이터를 수신하는 단계;
    이미지 인식 모델을 이용하여 상기 수신한 이미지 데이터에 포함된 객체를 인식하여 상기 객체에 대한 인식 정보를 생성하는 단계; 및
    상기 이미지 인식 모델을 이용한 상기 객체의 인식에 실패한 경우에 자연어 처리(NLP: Natural Language Processing) 모델에 기초하여 학습된 NLP 모델 기반 이미지 인식 모델을 이용하여 상기 수신한 이미지 데이터에 포함된 상기 객체를 인식하여 상기 객체에 대한 인식 정보를 생성하는 단계
    를 포함하는, 방법.
  20. 이미지 데이터에 포함된 객체를 인식하는 방법을 수행하기 위한 프로그램이 기록된 기록 매체에 있어서, 상기 방법은,
    카메라 또는 통신부를 통해 이미지 데이터를 수신하는 단계;
    이미지 인식 모델을 이용하여 상기 수신한 이미지 데이터에 포함된 객체를 인식하여 상기 객체에 대한 인식 정보를 생성하는 단계; 및
    상기 이미지 인식 모델을 이용한 상기 객체의 인식에 실패한 경우에 자연어 처리(NLP: Natural Language Processing) 모델에 기초하여 학습된 NLP 모델 기반 이미지 인식 모델을 이용하여 상기 수신한 이미지 데이터에 포함된 상기 객체를 인식하여 상기 객체에 대한 인식 정보를 생성하는 단계
    를 포함하는, 기록 매체.
KR1020190144587A 2019-11-12 2019-11-12 이미지 데이터에 포함된 객체를 인식하는 인공 지능 장치 및 그 방법 KR20210057611A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190144587A KR20210057611A (ko) 2019-11-12 2019-11-12 이미지 데이터에 포함된 객체를 인식하는 인공 지능 장치 및 그 방법
US16/743,862 US11200467B2 (en) 2019-11-12 2020-01-15 Artificial intelligence apparatus and method for recognizing object included in image data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190144587A KR20210057611A (ko) 2019-11-12 2019-11-12 이미지 데이터에 포함된 객체를 인식하는 인공 지능 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR20210057611A true KR20210057611A (ko) 2021-05-21

Family

ID=75846681

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190144587A KR20210057611A (ko) 2019-11-12 2019-11-12 이미지 데이터에 포함된 객체를 인식하는 인공 지능 장치 및 그 방법

Country Status (2)

Country Link
US (1) US11200467B2 (ko)
KR (1) KR20210057611A (ko)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102372508B1 (ko) * 2021-05-26 2022-03-08 한국교통대학교산학협력단 이상객체탐지장치 및 그 동작 방법
KR102375579B1 (ko) * 2021-11-16 2022-03-17 주식회사 테스트웍스 사용자 디바이스 기반의 신경망 학습 데이터 가공 방법, 시스템 및 컴퓨터 프로그램
WO2023277663A1 (ko) * 2021-07-01 2023-01-05 주식회사 딥엑스 인공신경망을 이용한 영상 처리 방법 및 신경 프로세싱 유닛
KR20230041580A (ko) * 2021-09-17 2023-03-24 주식회사 에이아이네이션 인공지능 모델의 학습 또는 재학습을 위한 데이터의 라벨링을 가이드하는 장치 및 방법
WO2023063596A1 (ko) * 2021-10-15 2023-04-20 머지리티 주식회사 사물 기반의 이미지 분석 서비스를 제공하기 위한 장치 및 방법
KR102528436B1 (ko) * 2022-10-18 2023-05-03 주식회사 미래와도전 지능형 원전해체 부지특성평가 통합 관리 시스템 및 방법
WO2023074970A1 (ko) * 2021-10-29 2023-05-04 가온미디어 주식회사 클라우드 ai 기반의 xr 객체인식 처리 방법
WO2023106446A1 (ko) * 2021-12-07 2023-06-15 광주과학기술원 Interactive perception 및 action policy의 이중적 태스크 스트림을 포함하는 modular object-centric approach(moca) 모델에 따른 ai 에이전트의 학습 방법 및 학습 장치, 그리고 이를 이용한 테스트 방법 및 테스트 장치
KR102615517B1 (ko) * 2022-07-15 2023-12-19 주식회사 에이아이네이션 입력 데이터의 클래스 및 성질 분류 기법
WO2024019345A1 (ko) * 2022-07-18 2024-01-25 네이버랩스 주식회사 센서 보강 및 인지 성능 향상을 위한 방법 및 장치
KR20240051487A (ko) 2022-10-13 2024-04-22 주식회사 워시스왓 라벨 검출 시스템 및 그 방법

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018104759A1 (de) * 2018-03-02 2019-09-05 Forward Ttc Gmbh Verfahren und Vorrichtung zum selbsttätigen Verbinden eines Aufladeanschlusses mit einer Aufladeanschlussaufnahme eines Fahrzeugs, insbesondere eines Landfahrzeugs
US11544456B2 (en) * 2020-03-05 2023-01-03 Adobe Inc. Interpretable label-attentive encoder-decoder parser
CN113537405A (zh) * 2021-08-25 2021-10-22 太湖流域水文水资源监测中心（太湖流域水环境监测中心） 一种采用人工智能技术的蓝藻图像分类识别工具
CN113821681B (zh) * 2021-09-17 2023-09-26 深圳力维智联技术有限公司 视频标签生成方法、装置及设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10275705B2 (en) * 2014-08-08 2019-04-30 Vicarious Fpc, Inc. Systems and methods for generating data explanations for neural networks and related systems
US10216868B2 (en) * 2015-12-01 2019-02-26 International Business Machines Corporation Identifying combinations of artifacts matching characteristics of a model design
US11984206B2 (en) * 2018-02-16 2024-05-14 Google Llc Automated extraction of structured labels from medical text using deep convolutional networks and use thereof to train a computer vision model
US11341207B2 (en) * 2018-12-10 2022-05-24 Ebay Inc. Generating app or web pages via extracting interest from images
US11023959B2 (en) * 2019-01-15 2021-06-01 Toyota Connected North America, Inc. System and method for ordering items from a vehicle
US20210026897A1 (en) * 2019-07-23 2021-01-28 Microsoft Technology Licensing, Llc Topical clustering and notifications for driving resource collaboration
US11061980B2 (en) * 2019-09-18 2021-07-13 Capital One Services, Llc System and method for integrating content into webpages

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102372508B1 (ko) * 2021-05-26 2022-03-08 한국교통대학교산학협력단 이상객체탐지장치 및 그 동작 방법
WO2023277663A1 (ko) * 2021-07-01 2023-01-05 주식회사 딥엑스 인공신경망을 이용한 영상 처리 방법 및 신경 프로세싱 유닛
KR20230041580A (ko) * 2021-09-17 2023-03-24 주식회사 에이아이네이션 인공지능 모델의 학습 또는 재학습을 위한 데이터의 라벨링을 가이드하는 장치 및 방법
WO2023063596A1 (ko) * 2021-10-15 2023-04-20 머지리티 주식회사 사물 기반의 이미지 분석 서비스를 제공하기 위한 장치 및 방법
WO2023074970A1 (ko) * 2021-10-29 2023-05-04 가온미디어 주식회사 클라우드 ai 기반의 xr 객체인식 처리 방법
KR20230062217A (ko) * 2021-10-29 2023-05-09 가온미디어 주식회사 클라우드 ai 기반의 xr 디바이스 운영 시스템
KR102375579B1 (ko) * 2021-11-16 2022-03-17 주식회사 테스트웍스 사용자 디바이스 기반의 신경망 학습 데이터 가공 방법, 시스템 및 컴퓨터 프로그램
WO2023106446A1 (ko) * 2021-12-07 2023-06-15 광주과학기술원 Interactive perception 및 action policy의 이중적 태스크 스트림을 포함하는 modular object-centric approach(moca) 모델에 따른 ai 에이전트의 학습 방법 및 학습 장치, 그리고 이를 이용한 테스트 방법 및 테스트 장치
KR102615517B1 (ko) * 2022-07-15 2023-12-19 주식회사 에이아이네이션 입력 데이터의 클래스 및 성질 분류 기법
WO2024019345A1 (ko) * 2022-07-18 2024-01-25 네이버랩스 주식회사 센서 보강 및 인지 성능 향상을 위한 방법 및 장치
KR20240051487A (ko) 2022-10-13 2024-04-22 주식회사 워시스왓 라벨 검출 시스템 및 그 방법
KR102528436B1 (ko) * 2022-10-18 2023-05-03 주식회사 미래와도전 지능형 원전해체 부지특성평가 통합 관리 시스템 및 방법
WO2024085271A1 (ko) * 2022-10-18 2024-04-25 주식회사 미래와도전 지능형 원전해체 부지특성평가 통합 관리 시스템 및 방법

Also Published As

Publication number Publication date
US11200467B2 (en) 2021-12-14
US20210142127A1 (en) 2021-05-13

Similar Documents

Publication Publication Date Title
US11200467B2 (en) Artificial intelligence apparatus and method for recognizing object included in image data
US11663516B2 (en) Artificial intelligence apparatus and method for updating artificial intelligence model
KR102331675B1 (ko) 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
US11289074B2 (en) Artificial intelligence apparatus for performing speech recognition and method thereof
KR20190098090A (ko) 개인화 언어 모델을 이용하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
US11195528B2 (en) Artificial intelligence device for performing speech recognition
KR20210047173A (ko) 오인식된 단어를 바로잡아 음성을 인식하는 인공 지능 장치 및 그 방법
KR102339085B1 (ko) 사용자의 어플리케이션 사용 기록을 고려하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
KR102412308B1 (ko) 장치 간 연동에 기초한 장치 제어 기능을 제공하는 인공 지능 장치 및 그 방법
KR20190113693A (ko) 단어 사용 빈도를 고려하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
KR20190104490A (ko) 사용자의 발화 음성을 인식하는 인공 지능 장치 및 그 방법
KR102306393B1 (ko) 음성 처리 장치 및 음성 처리 방법
US10872438B2 (en) Artificial intelligence device capable of being controlled according to user&#39;s gaze and method of operating the same
US20190385592A1 (en) Speech recognition device and speech recognition method
KR20190118539A (ko) 발화 스타일을 고려하여 음성을 인식하는 인공 지능 장치 및 그 방법
KR20210079666A (ko) 음향 모델을 학습시키기 위한 인공 지능 장치
KR20190107616A (ko) 개체명 테이블을 생성하는 인공 지능 장치 및 그 방법
KR20210081103A (ko) 복수의 언어를 포함하는 음성을 인식하는 인공 지능 장치 및 그 방법
KR20210042460A (ko) 복수의 언어가 포함된 음성을 인식하는 인공 지능 장치 및 그 방법
KR20210066328A (ko) 자연어 이해 모델을 학습시키기 위한 인공 지능 장치
KR102231909B1 (ko) 인공지능 장치
KR102229562B1 (ko) 음성 인식 서비스를 제공하는 인공 지능 장치 및 그의 동작 방법
KR20190098934A (ko) 인공 지능을 이용하여, 안내 서비스를 제공하는 로봇 및 그의 동작 방법
US11721319B2 (en) Artificial intelligence device and method for generating speech having a different speech style
KR20210052958A (ko) 인공 지능 서버