KR20220001759A - 인터넷을 이용한 이미지 생성 인공지능 시스템 - Google Patents

Abstract

본 발명은 기존 로컬 알고리즘의 한계에서 벗어나 인터넷을 통하여 DCGAN(Deep Convolutional Generative Adversarial Network) 인공지능에게 요청하여 이미지를 생성함으로써 인터넷 상의 불특정 다수에게 동적 생성 서비스를 제공할 수 있는 인터넷을 이용한 이미지 생성 인공지능 시스템에 관한 것이다. 본 발명에 따르면, 사용자 애플리케이션부; 상기 사용자 애플리케이션부와 통신하는 웹서버부; 상기 사용자 애플리케이션부로부터 요청 받은 오더를 상기 웹서버부를 통해 수신하고 저장하는 버퍼 서버부; 및 상기 버퍼 서버부에서 요청 받은 오더를 전송받아 인공 지능을 통해 이미지를 생성하고, 채색하며, 변형시키도록 가공하는 인공지능 코어부;를 포함하는 것을 특징으로 하는 이미지 생성 인공지능 시스템이 제공된다.

Description

인터넷을 이용한 이미지 생성 인공지능 시스템 {ARTIFICIAL INTELLIGENCE SYSTEM FOR CREATING IMAGE USING INTERNET}

본 발명은 인터넷을 이용한 이미지 생성 인공지능 시스템에 관한 것으로, 더욱 상세하게는 기존 로컬 알고리즘의 한계에서 벗어나 인터넷을 통하여 DCGAN(Deep Convolutional Generative Adversarial Network) 인공지능에게 요청하여 이미지를 생성함으로써 인터넷 상의 불특정 다수에게 동적 생성 서비스를 제공할 수 있는 인터넷을 이용한 이미지 생성 인공지능 시스템에 관한 것이다.

근래에 들어 딥 러닝은 얼굴 인식, 전신 인식, 자세 인식, 음성 인식, 객체 인식, 데이터 마이닝 등 다양한 인식에 적용되고 있다. 특히, 영상으로부터 특정 객체를 인식하는 객체 인식과 딥 러닝 학습 네트워크를 접목시키는 연구는 다양한 방식으로 활발히 이루어지고 있다.

인공 지능을 학습 하기 위해서는 어노테이션(annotation) 작업을 수행하고, 어노테이션된 이미지를 이용하여 학습을 진행하는데, 종래 어노테이션을 생성하는 과정은 컴퓨터를 이용하여 학습에 사용되는 이미지를 로딩하고, 로딩된 이미지에서 마우스 등으로 블록을 지정하여 지정된 블록에 대한 어노테이션을 생성한다.

하지만, 종래 기술은 어노테이션을 생성하기 위한 해당 사용자가 모든 이미지들 각각에 대한 어노테이션 작업을 수행하기 때문에 시간과 비용이 많이 들고, 데이터를 수집하기에도 어려운 문제점이 있다.

따라서, 인공 지능 학습을 위해 필요로 하는 이미지에 대한 어노테이션과 어노테이션된 이미지를 용이하게 생성하고 수집할 수 있는 방법의 필요성이 대두된다.

또한, 디지털 사이니지(Digital Signage)는 마케팅, 광고, 고객 서비스를 위하여 공공 장소에 설치되어 사용되는 디지털 영상 디스플레이 장치로서, 사용자 경험을 유도하거나 특정 정보를 함께 제공한다. 이러한 디지털 사이니지는 그 내부에 PC가 내장되어 있어 이동이 자유롭고 다양한 컨텐츠를 제공할 수 있어 기존의 옥외 광고물을 대체하면서 빠르게 확산되고 있다.

그러나 디지털 사이니지를 통하여 출력되는 이미지는 레이아웃을 포함한 템플릿 위에 사용자가 직접 텍스트, 사진, 또는 영상 등을 배치하는 방식으로 구성 되므로 디자인 전문가의 도움 없이는 디지털 사이니지를 통하여 출력될 이미지를 제작하는데 어려운 문제가 있다.

한편, 머신 러닝은 방대한 량의 데이터를 수집 및 분석하여, 미래를 예측하는 기술이다. 이러한 머신 러닝은 방대한 양의 데이터를 분석할수록 예측의 정확도가 향상될 수 있다. 따라서, 머신 러닝에 있어서, 방대한 량의 데이터를 수집하는 것이 매우 중요한 일이다.

머신 러닝의 학습 효율을 향상시키기 위하여, 데이터 셋 확장 기술인 데이터 증강(data augementation) 방법을 사용하였다. 데이터 셋 확장 기술은 수작업 방식으로, 데이터를 전처리하는 기술이다.

도 1은 종래 이미지 변환 방식을 나타낸 개념도로서, 예를 들어, 도 1의 (a) 내지 (c)를 참조하면, 기존에는, 사용자 선택에 근거하여, 원본 이미지에 대하여, 상하반전, 일부 영역 크롭, 일 영역 확대/축소 등을 수행하였다.

즉, 개발자 별로, 소량의 학습 이미지 데이터에 대하여, 특정 데이터 증강 기법을 적용하여, 데이터 셋을 확장하였다. 이러한 데이터 셋 확장 기술은 수작업으로 수행하기 때문에, 데이터의 전체리 과정과 전체 머신러닝 프로세스의 효율성을 떨어뜨리는 문제점이 있다.

또한, 영상분석용 딥러닝 기술의 경우, 기존 머신 러닝에서 요구되는 학습 데이터의 요구량을 크게 상회하는 수만~수백만 장의 학습 이미지 데이터를 필요로 하지만, 일부 공개되어있는 몇 종류의 표준 벤치마킹 데이터 셋 외에는 여러 가지 기술 외적인 요인으로 인해 대용량 학습 데이터의 확보 자체가 쉽지 않은 실정이다.

특히 전차, 항공기 등과 같은 무기체계 학습 이미지의 경우, 분야의 특수성으로 인해 이미지의 출처가 매우 제한적이고 머신러닝 학습용 학습 이미지 데이터 수집/획득에 많은 한계를 갖고 있었다.

대한민국 등록특허공보 10-2110604(2020.05.13. 공고) 대한민국 등록특허공보 10-2035531(2019.10.24. 공고) 대한민국 공개특허공보 10-2020-0042629(2020.04.24. 공개) 대한민국 공개특허공보 10-2018-0130925(2018.12.10. 공개)

따라서, 상기한 종래의 문제점을 해결하기 위한 본 발명은, 기존 로컬 알고리즘의 한계에서 벗어나 인터넷을 통하여 DCGAN(Deep Convolutional Generative Adversarial Network) 인공지능에게 요청하여 이미지를 생성함으로써 인터넷 상의 불특정 다수에게 동적 생성 서비스를 제공할 수 있는 인터넷을 이용한 이미지 생성 인공지능 시스템을 제공하는데 그 목적이 있다.

또한, 본 발명은 로컬에서만 작동되는 인공지능 신경망을 적은 수의 서버를 이용하여 인터넷으로 서비스할 수 있는 인터넷을 이용한 이미지 생성 인공지능 시스템을 제공하는데 다른 목적이 있다.

본 발명의 해결과제는 이상에서 언급한 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

상기 본 발명의 목적들 및 다른 특징들을 달성하기 위한 본 발명의 일 관점에 따르면, 사용자 애플리케이션부; 상기 사용자 애플리케이션부와 통신하는 웹서버부; 상기 사용자 애플리케이션부로부터 요청 받은 오더를 상기 웹서버부를 통해 수신하고 저장하는 버퍼 서버부; 및 상기 버퍼 서버부에서 요청 받은 오더를 전송받아 인공 지능을 통해 이미지를 생성하고, 채색하며, 변형시키도록 가공하는 인공지능 코어부;를 포함하는 것을 특징으로 하는 이미지 생성 인공지능 시스템이 제공된다.

본 발명에 있어서, 상기 인공지능 코어부는, 상기 사용자 애플리케이션부로부터 전송된 사용자 요청 정보에 따라 인공지능을 통해 이미지를 생성하도록 이루어지는 이미지생성 인공지능부; 사용자 요청 정보에 따라 인공지능을 통해 상기 이미지생성 인공지능부에서 생성된 이미지를 채색하도록 이루어지는 이미지 채색 인공지능부; 및 사용자 요청 정보에 따라 인공지능을 통하여 상기 채색이 완료된 이미지를 복수의 이미지로 변형하도록 이루어지는 이미지 변형 인공지능부;를 포함할 수 있다.

본 발명에 따른 인터넷을 이용한 이미지 생성 인공지능 시스템에 의하면 다음과 같은 효과를 제공한다.

첫째, 본 발명은 기존 로컬 알고리즘의 한계에서 벗어나 인터넷을 통하여 DCGAN(Deep Convolutional Generative Adversarial Network) 인공지능에 기반하여 이미지를 생성할 수 있는 효과가 있다.

둘째, 본 발명은 인터넷 상의 불특정 다수에게 동적 생성 서비스를 제공할 수 있는 효과가 있다.

셋째, 본 발명은 로컬에서만 작동되는 인공지능 신경망을 적은 수의 서버를 이용하여 인터넷으로 서비스할 수 있어 시스템 구성의 간략화와 유지 관리 향상을 도모할 수 있는 효과가 있다.

본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해되어 질 수 있을 것이다.

도 1은 종래 이미지 변환 방식을 나타낸 개념도이다.
도 2는 본 발명에 따른 인터넷을 이용한 이미지 생성 인공지능 시스템의 개념을 블록화하여 개략적으로 나타내는 블록도이다.
도 3은 본 발명에 따른 인터넷을 이용한 이미지 생성 인공지능 시스템을 구성하는 코어 시스템부의 구성을 블록화하여 개략적으로 나타내는 도면이다.
도 4는 본 발명에 따른 인터넷을 이용한 이미지 생성 인공지능 시스템을 통해 생성된 생성 결과물로서 인물들의 예시를 나타내는 도면이다.

본 발명의 추가적인 목적들, 특징들 및 장점들은 다음의 상세한 설명 및 첨부도면으로부터 보다 명료하게 이해될 수 있다.

본 발명의 상세한 설명에 앞서, 본 발명은 다양한 변경을 도모할 수 있고, 여러 가지 실시 예를 가질 수 있는바, 아래에서 설명되고 도면에 도시된 예시들은 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

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.

본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도는 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

또한, 명세서에 기재된 "...부", "...유닛", "...모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

또한, 본원 명세서 전체에서, 어떤 단계가 다른 단계와 "상에" 또는 "전에" 위치하고 있다고 할 때, 이는 어떤 단계가 다른 단계와 직접적 시계열적인 관계에 있는 경우 뿐만 아니라, 각 단계 후의 혼합하는 단계와 같이 두 단계의 순서에 시계열적 순서가 바뀔 수 있는 간접적 시계열적 관계에 있는 경우와 동일한 권리를 포함한다.

이하, 본 발명의 바람직한 실시 예에 따른 인터넷을 이용한 이미지 생성 인공지능 시스템에 대하여 첨부 도면을 참조하여 상세히 설명한다.

도 2는 본 발명에 따른 인터넷을 이용한 이미지 생성 인공지능 시스템의 개념을 블록화하여 개략적으로 나타내는 블록도이고, 도 3은 본 발명에 따른 인터넷을 이용한 이미지 생성 인공지능 시스템을 구성하는 코어 시스템부의 구성을 블록화하여 개략적으로 나타내는 도면이며, 도 4는 본 발명에 따른 인터넷을 이용한 이미지 생성 인공지능 시스템을 통해 생성된 생성 결과물로서 인물들의 예시를 나타내는 도면이다.

본 발명에 따른 인터넷을 이용한 이미지 생성 인공지능 시스템은, 도 2 내지 도 4에 나타낸 바와 같이, 크게 사용자 애플리케이션부(100)와, 웹서버부(200)와, 버퍼 서버부(300), 및 인공지능 코어부(400)을 포함한다.

구체적으로, 본 발명에 따른 인터넷을 이용한 이미지 생성 인공지능 시스템은, 도 2 내지 도 4에 나타낸 바와 같이, 하기 웹서버부(200)와 통신하여 오더 정보를 송출하고 데이터를 획득하도록 이루어지는 사용자 애플리케이션부(100); 상기 사용자 애플리케이션부(100)와 통신하는 웹서버부(200); 사용자 애플리케이션부(100)에서 요청 받은 오더를 상기 웹서버부(200)를 통해 수신하고 저장하는 버퍼 서버부(300); 및 상기 버퍼 서버부(300)에서 요청 받은 오더를 전송받아 인공 지능을 통해 이미지를 생성하고, 채색하며, 변형시키도록 가공하는 인공지능 코어부(400);를 포함한다.

상기 사용자 애플리케이션부(100)는 하기 웹서버부(200)를 구성하는 미들웨어부(210)와 통신하여 사용자 오더 정보를 송출하고, 인공지능 코어부(400)에서 생성된 이미지 생성물을 제공받게 된다.

이러한 사용자 애플리케이션부(100)는 웹 브라우저 또는 앱으로 구성될 수 있다.

계속해서, 상기 웹서버부(200)는 사용자 애플리케이션부(200)와 버퍼 서버부(200)를 연결하는 구성부와 버퍼 서버부(200)와 인공지능 코어부(400)를 연결하여 인공지능 코어부(400)로 데이터를 전송하는 구성부를 포함하는 미들 웨너부(210)를 포함한다.

상기 웹서버부(200)는 예를 들면, TCP/80 포트를 갖고 구성될 수 있다.

상기 버퍼 서버부(300)는 사용자 애플리케이션부(100)로부터 요청받는 정보(데이터)를 저장 구축하도록 구성되며, 코어 부분을 전면에 노출하지 않으며 적은 수의 서버로써 서비스를 운영가능하게 한다.

다음으로, 상기 인공지능 코어부(400)는 사용자 애플리케이션부(100)로부터 전송된 사용자 요청 정보에 따라 인공지능을 통해 이미지를 생성하도록 이루어지는 이미지생성 인공지능부(410)와, 사용자 요청 정보에 따라 인공지능을 통해 상기 이미지생성 인공지능부(410)에서 생성된 이미지를 채색하도록 이루어지는 이미지 채색 인공지능부(420), 및 사용자 요청 정보에 따라 인공지능을 통하여 상기 채색이 완료된 이미지를 복수의 이미지로 변형하도록 이루어지는 이미지 변형 인공지능부(430)를 포함한다.

상기 인공지능 코어부(400)는, 미리 저장된 복수의 신경망 후보 모델 중 머신 러닝을 수행할 신경망 모델을 선택하도록 이루어진다.

여기에서, 신경망 모델은 생물의 신경망에서 영감을 얻은 통계학적 학습 알고리즘이다. 신경망 모델은, 기존에 잘 알려진 모델이 사용될 수 있으며, 공지 이미지 모델, 신규 이미지 모델, 공지 이미지와 신규 이미지의 합성 모델을 포함할 수 있다.

그리고 상기 인공지능 코어부(400)는 원본 이미지 데이터를 복수의 이미지 변환 방식 중 적어도 하나의 방식을 이용하여 복수의 후보 이미지 데이터를 생성한다. 이러한 복수의 이미지 변환 방식에는, 크롭(crop), 회전(rotation), 플립(flip), 스퀴지(squash), 전환(translation), 줌(zoom), 색 변화(color perturbation) 등을 포함한다.

따라서, 본 발명은 머신 러닝을 위한 이미지 데이터를 웹이나 메모리로부터 수집하지 않더라도, 복수의 후보 이미지 데이터를 머신 러닝을 위한 이미지로 활용할 수 있다.

또한, 상기 인공지능 코어부(400)는 복수의 후보 이미지 데이터에 대하여, 신경망 모델을 통하여 이미지 데이터의 학습을 수행한다.

그리고 상기 인공지능 코어부(400)는 머신 러닝에 이용될 최종 후보 이미지 데이터와, 최종 신경망 모델을 결정한다.

여기에서, 상기 인공지능 코어부(400)는 사용자의 입력 없이도, 신경망 모델 및 후보 이미지 데이터가 자동으로 결정될 수 있으며, 이를 통하여 머신 러닝의 효율성을 향상시킬 수 있다.

그리고, 상기 인공지능 코어부(400)는 인공지능 학습 결과에 근거하여, 최종 이미지와 채색을 결정하며, 이와 같이 결정된 이미지를 기반으로 다양하게 변형시켜 복수의 이미지 결과물을 생성하게 된다.

이상에서 설명한 바와 같은 본 발명에 따른 인터넷을 이용한 이미지 생성 인공지능 시스템에 의하면, 기존 로컬 알고리즘의 한계에서 벗어나 인터넷을 통하여 DCGAN(Deep Convolutional Generative Adversarial Network) 인공지능에 기반하여 이미지를 생성할 수 있고, 인터넷 상의 불특정 다수에게 동적 생성 서비스를 제공할 수 있으며, 로컬에서만 작동되는 인공지능 신경망을 적은 수의 서버를 이용하여 인터넷으로 서비스할 수 있어 시스템 구성의 간략화와 유지 관리 향상을 도모할 수 있는 이점이 있다.

상기한 바와 같은 실시 예들은 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 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.

본 명세서에서 설명되는 실시 예와 첨부된 도면은 본 발명에 포함되는 기술적 사상의 일부를 예시적으로 설명하는 것에 불과하다. 따라서, 본 명세서에 개시된 실시 예는 본 발명의 기술적 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이므로, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아님은 자명하다. 본 발명의 명세서 및 도면에 포함된 기술적 사상의 범위 내에서 당업자가 용이하게 유추할 수 있는 변형 예와 구체적인 실시 예는 모두 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

100: 사용자 애플리케이션부
200: 웹서버부
300: 버퍼 서버부
400: 인공지능 코어부
410: 이미지생성 인공지능부
420: 이미지 채색 인공지능부
430: 이미지 변형 인공지능부

Claims (2)

1. 사용자 애플리케이션부;
   상기 사용자 애플리케이션부와 통신하는 웹서버부;
   상기 사용자 애플리케이션부로부터 요청 받은 오더를 상기 웹서버부를 통해 수신하고 저장하는 버퍼 서버부; 및
   상기 버퍼 서버부에서 요청 받은 오더를 전송받아 인공 지능을 통해 이미지를 생성하고, 채색하며, 변형시키도록 가공하는 인공지능 코어부;를 포함하는 것을 특징으로 하는
   이미지 생성 인공지능 시스템.
   
2. 제1항에 있어서,
   상기 인공지능 코어부는,
   상기 사용자 애플리케이션부로부터 전송된 사용자 요청 정보에 따라 인공지능을 통해 이미지를 생성하도록 이루어지는 이미지생성 인공지능부;
   사용자 요청 정보에 따라 인공지능을 통해 상기 이미지생성 인공지능부에서 생성된 이미지를 채색하도록 이루어지는 이미지 채색 인공지능부; 및
   사용자 요청 정보에 따라 인공지능을 통하여 상기 채색이 완료된 이미지를 복수의 이미지로 변형하도록 이루어지는 이미지 변형 인공지능부;를 포함하는 것을 특징으로 하는
   이미지 생성 인공지능 시스템.

Images