KR20220030680A - 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템 및 방법 - Google Patents

인공지능 비전문가를 위한 인공지능 서비스 제공 시스템 및 방법 Download PDF

Info

Publication number
KR20220030680A
KR20220030680A KR1020200112301A KR20200112301A KR20220030680A KR 20220030680 A KR20220030680 A KR 20220030680A KR 1020200112301 A KR1020200112301 A KR 1020200112301A KR 20200112301 A KR20200112301 A KR 20200112301A KR 20220030680 A KR20220030680 A KR 20220030680A
Authority
KR
South Korea
Prior art keywords
learning
artificial intelligence
data
unit
engine
Prior art date
Application number
KR1020200112301A
Other languages
English (en)
Other versions
KR102377645B1 (ko
Inventor
오성식
이현호
박외진
Original Assignee
(주)아크릴
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 (주)아크릴 filed Critical (주)아크릴
Priority to KR1020200112301A priority Critical patent/KR102377645B1/ko
Publication of KR20220030680A publication Critical patent/KR20220030680A/ko
Application granted granted Critical
Publication of KR102377645B1 publication Critical patent/KR102377645B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

본 발명은 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템 및 방법에 관한 것이다.
본 발명에 따른 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템은, 사용자의 초기 정보를 입력받아 사용자별 맞춤형 AI 학습 모델을 선정하고, 선정된 AI 학습 모델별 학습 데이터를 선택한 후 전처리를 수행하며, 미리 학습된 인공지능(AI)을 통해 새로운 데이터에 대해 자동으로 애노테이션(annotation)을 수행하고, 학습 결과에 대한 인공지능 엔진 성능 테스트 및 비교 테스트를 수행하며, 추론 결과에 대한 원인 분석 및 데이터 결함 교정을 통한 재학습을 수행할 수 있도록 하는 인공지능(AI) 사용자 인터페이스(UI)부; 및 인공지능(AI) UI부와 유/무선 통신을 통해 신호를 송/수신하며, 인공지능(AI) UI부에 의해 선택된 학습 데이터에 대한 학습 및 사용자의 특성을 반영한 개인화 추론 학습을 수행하고, 학습 결과를 인공지능(AI) UI부로 전송하며, 인공지능(AI) UI부로부터 테스트 결과 및 분석 데이터를 수신하여 테스트 애노테이션을 통해 학습 데이터를 재검증하고, 교정된 데이터를 재학습하는 인공지능 엔진부를 포함한다.

Description

인공지능 비전문가를 위한 인공지능 서비스 제공 시스템 및 방법{AI(Artificial Intelligence) service providing system and method for non-AI experts}
본 발명은 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템 및 방법에 관한 것으로서, 더 상세하게는 소스코드 없이 전과정에 대한 학습진행과 학습관리 기능 전반에 대한 제어가 가능한 웹기반의 사용자 인터페이스를 구축함으로써 인공지능 비전문가도 쉽게 사용할 수 있는 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템 및 방법에 관한 것이다.
최근 산업기술과 정보통신기술이 발달함에 따라 딥 러닝(deep learning)을 포함하는 인공지능기술과 사용자의 음성을 인식하는 음성인식기술이 급속하게 발달하고 있으며, 이와 동시에 복수의 센서와 통신기능을 내장하여 사용자에게 다양한 정보와 편의를 제공하기 위한 IoT 기기들이 보급되고 있다. 이러한 인공지능기술은 점점 고도화되고, 음성인식기술과 결합되면서 사용자의 음성을 인식하여, 사용자가 원하는 IoT 기기들을 원격에서 제어할 수 있도록 하는 기능을 지원함과 동시에 뉴스나 날씨 등과 같은 다양한 정보들을 웹상에서 검색하여 사용자에게 제공할 수 있는 수준까지 발달하고 있다. 이에 따라 사용자의 음성을 인식하고, 인식한 음성에 따라 사용자가 원하는 정보를 웹상에서 검색하여 제공하거나, 복수의 IoT 기기들을 원격에서 실시간으로 제어할 수 있도록 하는 인공지능 시스템(artificial intelligence system, AI 시스템)에 대한 대중의 관심이 증대되고 있다.
최근 인공지능(Artificial Intelligence: AI) 기술이 발전하면서 다양한 AI 응용기술에 대한 연구개발이 활발하게 진행되고 있다. 이중 대표적인 AI 응용기술로서 머신 러닝(Machine Learning)이 있다.
머신 러닝이란 컴퓨터가 스스로 데이터를 학습하고, 그 학습 결과를 바탕으로 예측 등을 수행하여 유용한 정보를 도출해내는 기술을 말한다. 머신 러닝은 일반적으로 학습 데이터의 양과 질이 풍부할수록 예측 정확도가 높아진다. 따라서, 머신 러닝은 대규모 데이터를 처리하는 기술인 빅데이터(Big Data)와 밀접한 관계를 갖게 되며, 그 대표적인 예로서 빅데이터를 이용한 머신러닝 기반의 지능 서비스(personalized service)를 들 수 있다.
지능 서비스란 사용자의 개인정보에 따라 맞춤형 컨텐츠를 제공하는 서비스를 말한다. 예를 들어, 포털 사이트 사용자들의 사용 패턴을 분석하여 사용자별 맞춤형 초기화면을 구성하거나, 검색 패턴을 분석하여 다른 사용자들에게 추천 검색어를 제안하는 서비스 등을 들 수 있다.
종래의 지능서비스는 사용자의 유입 트래픽 중심으로 사용자의 경험을 유추하였으며 그로 인하여 잘못된 데이터의 해석이 빈번하였다. 또한, 다양화된 온라인 서비스에 따라 제공 목적 및 분석 요소가 다변화되고 있어 빅데이터를 분석하는 방법만으로는 사용자가 원하는 데이터를 분석하고 처리하는데 한계점이 있다.
한편, 한국 공개특허공보 제10-2020-0087310호(특허문헌 1)에는 "인공지능 영상판독 딥러닝 학습을 위한 애노테이션 학습데이터 생성과 증강 시스템 및 방법"이 개시되어 있는바, 이에 따른 인공지능 영상판독 딥러닝 학습을 위한 애노테이션 학습데이터 생성과 증강 시스템은, 딥러닝 학습을 시키려는 객체를 등록하고, 영상이미지에서 등록된 객체를 구별하여 객체종류, 객체영역을 등록하는 애노테이션을 통해 학습데이터를 생성하는 학습데이터 생성부; 상기 학습데이터를 입력으로 딥러닝 알고리즘을 통해 객체에 대한 딥러닝 학습을 진행하여 학습모델을 생성하는 딥러닝 학습부; 상기 딥러닝 학습부가 생성한 학습모델을 영상 판독모델로 선택하여 영상이미지상의 객체정보를 판독하는 딥러닝 판독부를 포함하는 것을 특징으로 한다.
이상과 같은 특허문헌 1의 경우, 인공지능 영상 판독시스템을 딥러닝 학습시키기 위해 사용되는 학습데이터를 이미지 증강을 통해 자동으로 증강해 줌으로써 학습데이터의 양을 충분히 확보할 수 있고, 영상이미지의 애노테이션을 통해 생성된 학습데이터를 이미지 증강하여 학습데이터의 양을 증대시켜줄 수 있는 장점이 있기는 하나, 이는 사용자 개개인의 특성을 고려함없이 일률적인 프로세스로 되어 있어 사용자별 맞춤형의 학습 모델을 제공하기 어려운 문제점이 있다. 또한, 최종 결과에 대한 원인 분석 과정과 학습 데이터의 결함을 교정하는 과정이 없어 인공지능 엔진의 성능을 향상시키기 어려운 문제점을 내포하고 있다.
한국 공개특허공보 제10-2020-0087310호(2020.07.21. 공개)
본 발명은 상기와 같은 사항을 종합적으로 감안하여 창출된 것으로서, 사용자별 맞춤 학습 모델을 구축하여, 특정 데이터에 대한 학습을 수행하고 학습결과에 대한 추론 및 원인을 분석하며, 데이터의 결함 교정을 통해 재학습할 수 있도록 함으로써 인공지능 엔진의 성능을 향상시킬 수 있는 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템 및 방법을 제공함에 그 목적이 있다.
본 발명의 다른 목적은 인공지능 비전문가도 사용이 가능한 것으로, 소스코드 없이 전과정에 대해 학습진행과 학습관리 기능 전반에 대한 제어가 가능한 인공지능 프레임 워크를 제공함에 있다.
상기의 목적을 달성하기 위하여 본 발명에 따른 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템은,
사용자의 초기 정보를 입력받아 사용자별 맞춤형 AI 학습 모델을 선정하고, 선정된 AI 학습 모델별 학습 데이터를 선택한 후 전처리를 수행하며, 미리 학습된 인공지능(AI)을 통해 새로운 데이터에 대해 자동으로 애노테이션(annotation)을 수행하고, 학습 결과에 대한 인공지능 엔진 성능 테스트 및 비교 테스트를 수행하며, 추론 결과에 대한 원인 분석 및 데이터 결함 교정을 통한 재학습을 수행할 수 있도록 하는 인공지능(AI) 사용자 인터페이스(User Interface; UI)부; 및
상기 인공지능(AI) UI부와 유/무선 통신을 통해 신호를 송/수신하며, 상기 인공지능(AI) UI부에 의해 선택된 학습 데이터에 대한 학습 및 사용자의 특성을 반영한 개인화 추론 학습을 수행하고, 학습 결과를 상기 인공지능(AI) 사용자 인터페이스부로 전송하며, 상기 인공지능(AI) 사용자 인터페이스부로부터 테스트 결과 및 분석 데이터를 수신하여 테스트 애노테이션을 통해 학습 데이터를 재검증하고, 교정된 데이터를 재학습하는 인공지능 엔진부를 포함하는 점에 그 특징이 있다.
여기서, 상기 인공지능(AI) 사용자 인터페이스(UI)부는 학습 전체 과정을 제어할 수 있는 웹 기반의 사용자 인터페이스로 구성될 수 있다.
이때, 상기 인공지능(AI) 사용자 인터페이스(UI)부는 통합 로그인 기능을 제공하여 하나의 계정으로 프레임 워크의 전체 기능을 사용할 수 있도록 구성될 수 있다.
이때, 또한 상기 인공지능(AI) 사용자 인터페이스(UI)부는 UI(User Interface) 및 UX(User Experience)를 제공하여 데이터 입력, 학습, 결과 확인을 포함한 학습 전체 과정을 화면상으로 제어하도록 구성될 수 있다.
또한, 상기 인공지능(AI) 사용자 인터페이스(UI)부는,
사용자의 초기 정보를 입력받아 사용자별 맞춤형 AI 학습 모델을 선정하고, 선정된 AI 학습 모델에 필요한 학습 데이터를 선택하는 선택 모듈과;
상기 선택 모듈에 의해 선정된 AI 학습 모델에 대응하는 인공지능 엔진별 UI를 학습 관리 모듈로 제공하고, 상기 인공지능 엔진부로부터의 자동 애노테이션 실행 신호에 따라 미리 학습된 인공지능(AI)을 통해 새로운 데이터에 대해 자동으로 애노테이션(annotation)을 수행하는 자동 데이터 애노테이션 인터페이스 모듈과;
상기 선택 모듈에 의해 선택된 학습 데이터를 전처리하여 상기 인공지능 엔진부로 전송하고, 인공지능 엔진부로부터의 학습 데이터 재검증 결과를 수신하여 엔진 변수값 및 학습 데이터량을 조절하는 학습 관리 모듈; 및
상기 학습 관리 모듈을 통해 학습 결과 데이터를 수신하여 학습 결과에 대한 엔진성능 테스트 및 학습 데이터 결함 비교 테스트를 수행하고, 추론 결과에 대한 원인을 분석하며, 데이터 결함을 교정하는 테스트 모듈을 포함하여 구성될 수 있다.
이때, 상기 테스트 모듈은 테스트 결과에 대한 통계치를 제공하는 기능을 더 포함할 수 있다.
또한, 상기 인공지능 엔진부는,
상기 인공지능(AI) 사용자 인터페이스(UI)부의 상기 자동 데이터 애노테이션 인터페이스 모듈로부터 학습 데이터와 실시간 훈련 명령을 수신하여 능동적인 학습 및 개인화 추론 학습을 수행하는 훈련 엔진 모듈과;
상기 인공지능(AI) 사용자 인터페이스(UI)부의 상기 테스트 모듈로부터 테스트 결과, 결과 원인 분석 데이터 및 교정된 학습 데이터를 수신하여, 애노테이션을 수행하여 학습 데이터를 재검증하고, 교정된 학습 데이터를 상기 훈련 엔진 모듈로 제공하여 재학습이 이루어지도록 하는 테스트 애노테이션 모듈; 및
인공지능 학습 데이터 및 사용자 정보를 저장하고, 상기 인공지능(AI) 사용자 인터페이스(UI)부의 상기 자동 데이터 애노테이션 인터페이스 모듈로부터 애노테이션이 수행된 새로운 데이터를 수신하여 데이터를 증강하는 데이터베이스(DB)를 포함하여 구성될 수 있다.
이때, 상기 훈련 엔진 모듈은 엔진 성능의 향상을 위해 수집된 사용자 행동 데이터를 재학습하도록 구성될 수 있다.
이때, 또한 상기 훈련 엔진 모듈은 기존의 학습 데이터와 사용자의 추가 데이터를 함께 학습할 수 있도록 구성될 수 있다.
또한, 상기 데이터베이스(DB)는 데이터를 증강함에 있어서, 생성적 적대 신경망(Generative Adversarial Network; GAN) 등을 통해 데이터 증강 및 데이터셋 규모를 증강할 수 있다.
또한, 상기의 목적을 달성하기 위하여 본 발명에 따른 인공지능 비전문가를 위한 인공지능 서비스 제공 방법은,
사용자별 맞춤형 AI 학습 모델 선정 및 학습 모델별 학습 데이터 선택, 엔진 성능 테스트 및 추론 결과에 대한 원인 분석을 수행하는 인공지능(AI) 사용자 인터페이스(UI)부와, 선택된 학습 데이터에 대한 학습 및 개인화 추론 학습, 교정된 데이터를 재학습하는 인공지능 엔진부를 포함하는 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템을 기반으로 한 인공지능 비전문가를 위한 인공지능 서비스 제공 방법으로서,
a) 상기 인공지능(AI) 사용자 인터페이스(UI)부에 의해 사용자의 초기 정보를 입력받아 사용자별 맞춤형 AI 학습 모델을 선정하고, 선정된 AI 학습 모델별 학습 데이터를 선택한 후 전처리를 수행하는 단계와;
b) 상기 인공지능 엔진부가 상기 인공지능(AI) UI부에 의해 선택된 학습 데이터에 대한 학습 및 사용자의 특성을 반영한 개인화 추론 학습을 수행하고, 학습 결과를 상기 인공지능(AI) UI부로 전송하는 단계와;
c) 상기 인공지능 UI부에 의해 상기 인공지능 엔진부로부터 자동 애노테이션 실행 명령을 수신하여 미리 학습된 인공지능(AI)을 통해 새로운 데이터에 대해 자동으로 애노테이션(annotation)을 수행하는 단계와;
d) 상기 인공지능 UI부에 의해 학습 결과에 대한 인공지능 엔진 성능 테스트 및 비교 테스트를 수행하며, 추론 결과에 대한 원인 분석 및 데이터 결함을 교정하는 단계와;
e) 상기 인공지능 엔진부에 의해 상기 인공지능 UI부로부터 추론 결과에 대한 원인 분석 결과 및 교정된 데이터를 수신하여 테스트 애노테이션을 통해 학습 데이터를 재검증하고, 검증 결과를 상기 인공지능 UI부로 전송하는 단계와;
f) 상기 인공지능 UI부에 의해 인공지능 엔진부로부터의 학습 데이터 재검증 결과를 수신하여 엔진 변수값 및 학습 데이터량을 조절하여 상기 인공지능 엔진부로 전송하는 단계와;
g) 상기 인공지능 엔진부에 의해 상기 인공지능 UI부로부터의 교정된 학습 데이터를 수신하여 재학습하는 단계를 포함하는 점에 그 특징이 있다.
여기서, 상기 단계 b)에서 상기 인공지능 엔진부가 상기 인공지능(AI) UI부에 의해 선택된 학습 데이터에 대한 학습을 수행함에 있어서, 상기 인공지능 엔진부는 기존의 학습 데이터와 사용자의 추가 데이터에 대한 학습을 함께 수행할 수 있다.
또한, 상기 단계 d)에서 상기 학습 결과에 대한 인공지능 엔진 성능 테스트를 수행한 후, 테스트 결과에 대한 통계치를 사용자의 AI 서비스로서 제공하는 단계를 더 포함할 수 있다.
또한, 상기 단계 d)에서 상기 학습 결과에 대한 인공지능 엔진 성능 테스트는 정량적 테스트 및 정성적 테스트를 포함할 수 있다.
또한, 상기 단계 d)에서 상기 학습 결과에 대한 인공지능 엔진 성능 테스트및 비교 테스트를 수행함에 있어서, 추론 결과와 유사한 결과를 나타내는 입력 데이터를 데이터베이스(DB)를 검색하여 제시할 수 있다.
이와 같은 본 발명에 의하면, 사용자별 맞춤 학습 모델을 구축하여, 특정 데이터에 대한 학습을 수행하고 학습결과에 대한 추론 및 원인을 분석하며, 데이터의 결함 교정을 통해 재학습을 수행함으로써, 인공지능 엔진의 성능을 향상시킬 수 있는 장점이 있다.
또한, 소스코드 없이 전과정에 대해 학습진행과 학습관리 기능 전반에 대한 제어가 가능한 인공지능 프레임 워크를 제공함으로써, 인공지능 비전문가도 쉽게 시스템을 운용할 수 있고, 다양한 인공지능 서비스를 제공할 수 있는 장점이 있다.
도 1은 본 발명의 실시예에 따른 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 인공지능 비전문가를 위한 인공지능 서비스 제공 방법의 실행 과정을 나타낸 흐름도이다.
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정되어 해석되지 말아야 하며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 한다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다. 또한, 명세서에 기재된 "…부", "…기", "모듈", "장치" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
이하 첨부된 도면을 참조하여 본 발명의 실시예를 상세히 설명한다.
도 1은 본 발명의 실시예에 따른 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템의 구성을 개략적으로 나타낸 도면이다.
도 1을 참조하면, 본 발명에 따른 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템(100)은 인공지능(AI) 사용자 인터페이스(User Interface; UI)부(110)와 인공지능 엔진부(120)를 포함하여 구성된다.
인공지능(AI) UI부(110)는 사용자의 초기 정보를 입력받아 사용자별 맞춤형 AI 학습 모델을 선정하고, 선정된 AI 학습 모델별 학습 데이터를 선택한 후 전처리를 수행하며, 미리 학습된 인공지능(AI)을 통해 새로운 데이터에 대해 자동으로 애노테이션(annotation)을 수행하고, 학습 결과에 대한 인공지능 엔진 성능 테스트 및 비교 테스트를 수행하며, 추론 결과에 대한 원인 분석 및 데이터 결함 교정을 통해 후술하는 인공지능 엔진부(120)가 재학습을 수행할 수 있도록 한다. 여기서, 이와 같은 인공지능(AI) UI부(110)는 학습 전체 과정을 제어할 수 있는 웹 기반의 사용자 인터페이스로 구성될 수 있다. 그리고 이러한 인공지능(AI) UI부(110)는 통합 로그인 기능을 제공하여 하나의 계정으로 프레임 워크의 전체 기능을 사용할 수 있도록 구성될 수 있다. 또한, 상기 인공지능(AI) UI부(110)는 UI(User Interface) 및 UX(User Experience)를 제공하여 데이터 입력, 학습, 결과 확인을 포함한 학습 전체 과정을 화면상으로 제어하도록 구성될 수 있다. 또한, 상기 AI 학습 모델의 선정과 관련한 AI 학습 모델에는 자연어 지능, 공감 지능, 시각 이해 지능, 대화 지능 등의 AI 모델이 포함될 수 있으며, 이러한 AI 모델들이 시스템의 플랫폼에 사전에 탑재될 수 있다.
인공지능 엔진부(120)는 상기 인공지능(AI) UI부(110)와 유/무선 통신을 통해 신호를 송/수신하며, 상기 인공지능(AI) UI부(110)에 의해 선택된 학습 데이터에 대한 학습 및 사용자의 특성을 반영한 개인화 추론 학습을 수행하고, 학습 결과를 상기 인공지능(AI) UI부(110)로 전송하며, 상기 인공지능(AI) UI부(110)로부터 테스트 결과 및 분석 데이터를 수신하여 테스트 애노테이션을 통해 학습 데이터를 재검증하고, 교정된 데이터를 재학습한다. 여기서, 이와 같은 인공지능 엔진부(120)는 본 실시예에서는 상기 인공지능 UI부(110)와 분리된 별개의 몸체로 구성된 것으로 설명하고 있지만, 경우에 따라서는 상기 인공지능 UI부(110)와 일체화되어 하나의 패키지로 구성될 수도 있다.
한편, 상기 인공지능(AI) 사용자 인터페이스(UI)부(110)는, 사용자의 초기 정보를 입력받아 사용자별 맞춤형 AI 학습 모델을 선정하고, 선정된 AI 학습 모델에 필요한 학습 데이터를 선택하는 선택 모듈(111)과; 선택 모듈(111)에 의해 선정된 AI 학습 모델에 대응하는 인공지능 엔진별 UI를 학습 관리 모듈(113)로 제공하고, 상기 인공지능 엔진부(120)로부터의 자동 애노테이션 실행 신호에 따라 미리 학습된 인공지능(AI)을 통해 새로운 데이터에 대해 자동으로 애노테이션 (annotation)을 수행하는 자동 데이터 애노테이션 인터페이스 모듈(112)과; 상기 선택 모듈(111)에 의해 선택된 학습 데이터를 전처리하여 상기 인공지능 엔진부 (120)로 전송하고, 인공지능 엔진부(120)로부터의 학습 데이터 재검증 결과를 수신하여 엔진 변수값 및 학습 데이터량을 조절하는 학습 관리 모듈(113); 및 학습 관리 모듈(113)을 통해 학습 결과 데이터를 수신하여 학습 결과에 대한 엔진성능 테스트 및 학습 데이터 결함 비교 테스트를 수행하고, 추론 결과에 대한 원인을 분석하며, 데이터 결함을 교정하는 테스트 모듈(114)을 포함하여 구성될 수 있다. 이때, 상기 테스트 모듈(114)은 테스트 결과에 대한 통계치를 제공하는 기능을 더 포함할 수 있다.
여기서, 또한 상기 학습 관리 모듈(113)에 의한 전처리와 관련하여 조금 더 설명을 부가해 보기로 한다.
상기 학습 관리 모듈(113)의 내부에는 데이터 전처리 모듈이 구비될 수 있으며, 이때 데이터 전처리 모듈에서 저수준의 수작업 기능은 각각 텍스트 입력, 오디오 입력 및 이미지 입력에서 생성된다. 즉, 데이터 전처리 모듈은 텍스트 데이터, 오디오 데이터 및 이미지 데이터를 머신 러닝에 사용할 수 있는 벡터 유형으로 변환하는 임베딩 기능을 수행한다.
또한, 상기 인공지능 엔진부(120)는, 상기 인공지능(AI) 사용자 인터페이스(UI)부(110)의 상기 자동 데이터 애노테이션 인터페이스 모듈(112)로부터 학습 데이터와 실시간 훈련 명령을 수신하여 능동적인 학습 및 개인화 추론 학습을 수행하는 훈련 엔진 모듈(121)과; 상기 인공지능(AI) 사용자 인터페이스(UI)부(110)의 상기 테스트 모듈(114)로부터 테스트 결과, 결과 원인 분석 데이터 및 교정된 학습 데이터를 수신하여, 애노테이션을 수행하여 학습 데이터를 재검증하고, 교정된 학습 데이터를 상기 훈련 엔진 모듈(121)로 제공하여 재학습이 이루어지도록 하는 테스트 애노테이션 모듈(122); 및 인공지능 학습 데이터 및 사용자 정보를 저장하고, 상기 인공지능(AI) 사용자 인터페이스(UI)부(110)의 상기 자동 데이터 애노테이션 인터페이스 모듈(112)로부터 애노테이션이 수행된 새로운 데이터를 수신하여 데이터를 증강하는 데이터베이스(DB)를 포함하여 구성될 수 있다.
이때, 상기 훈련 엔진 모듈(121)은 엔진 성능의 향상을 위해 수집된 사용자 행동 데이터를 재학습하도록 구성될 수 있다.
이때, 또한 상기 훈련 엔진 모듈(121)은 기존의 학습 데이터와 사용자의 추가 데이터를 함께 학습할 수 있도록 구성될 수 있다.
또한, 상기 데이터베이스(DB)(123)는 데이터를 증강함에 있어서, 생성적 적대 신경망(Generative Adversarial Network; GAN) 등을 통해 데이터 증강 및 데이터셋 규모를 증강할 수 있다. 여기서, 이와 같은 데이터베이스(DB)(123) 및 데이터 증강과 관련하여 조금 더 설명을 부가해 보기로 한다.
상기 데이터베이스(DB)(123)는 멀티미디어 지식 데이터베이스(DB)로 구성될 수 있으며, 멀티미디어 지식 데이터베이스는 외부로부터 수신한 다량의 멀티미디어 데이터를 기반으로 감성 인식 모델을 훈련하기 위한 데이터 셋을 생성하고 저장한다. 멀티미디어 지식 데이터베이스에서 지능형 스튜디오 도구는 텍스트-감정 데이터, 음성-감정 데이터 및 이미지-감정 데이터를 "데이터 관리자가 제공하는 주어진 감정 태그"로 주석을 달아 주어진 비디오에 대한 레이블 데이터를 생성하는데 도움을 준다. 그리고 레이블이 지정된 데이터는 단일 모드 네트워크 및 다중 모드 네트워크를 훈련하기 위해 사용할 수 있다.
또한, 데이터 증강 기능의 역할은 감정 인식 네트워크의 성능을 향상시키기 위해 훈련 데이터를 증가시키는 것이다. 원본 텍스트 데이터를 입력으로 취하고 동의어 사전, "Word Embedding" 및 "Back Translation"과 같은 다양한 확대 방법을 사용하여 새로운 학습 데이터를 생성 및 반환한다. 이와 같은 데이터 증강 기능은 감정 인식 네트워크의 성능 향상을 위해 훈련 데이터를 증가시키는 역할을 한다. 원본 음성 데이터를 가져와 "Time Warping", "Frequency Masking"과 같은 다양한 증강 방법을 사용하여 새로운 훈련 데이터를 생성한다.
그러면, 이하에서는 이상과 같은 구성을 가지는 본 발명에 따른 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템을 바탕으로 한 인공지능 비전문가를 위한 인공지능 서비스 제공 방법에 대해 설명해 보기로 한다.
도 2는 본 발명의 실시예에 따른 인공지능 비전문가를 위한 인공지능 서비스 제공 방법의 실행 과정을 나타낸 흐름도이다.
도 2를 참조하면, 본 발명에 따른 인공지능 비전문가를 위한 인공지능 서비스 제공 방법은, 전술한 바와 같은 사용자별 맞춤형 AI 학습 모델 선정 및 학습 모델별 학습 데이터 선택, 엔진 성능 테스트 및 추론 결과에 대한 원인 분석을 수행하는 인공지능(AI) 사용자 인터페이스(UI)부(110)와, 선택된 학습 데이터에 대한 학습 및 개인화 추론 학습, 교정된 데이터를 재학습하는 인공지능 엔진부(120)를 포함하는 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템(100)을 기반으로 한 인공지능 비전문가를 위한 인공지능 서비스 제공 방법으로서, 먼저 상기 인공지능(AI) 사용자 인터페이스(UI)부(110)(더 정확히는 사용자 인터페이스(UI)부(110)의 선택 모듈(111))에 의해 사용자의 초기 정보를 입력받아 사용자별 맞춤형 AI 학습 모델을 선정하고, 선정된 AI 학습 모델별 학습 데이터를 선택한 후 전처리를 수행한다(단계 S201).
그러면, 상기 인공지능 엔진부(120)가(더 정확히는 인공지능 엔진부(120)의 훈련 엔진 모듈(121)이) 상기 인공지능(AI) UI부(111)의 선택 모듈(111)에 의해 선택된 학습 데이터에 대한 학습 및 사용자의 특성을 반영한 개인화 추론 학습을 수행하고, 학습 결과를 상기 인공지능(AI) UI부(110)로 전송한다(단계 S202). 여기서, 상기 인공지능 엔진부(120)가 상기 인공지능(AI) UI부(110)에 의해 선택된 학습 데이터에 대한 학습을 수행함에 있어서, 상기 인공지능 엔진부(120)는 기존의 학습 데이터와 사용자의 추가 데이터에 대한 학습을 함께 수행할 수 있다.
한편, 인공지능 엔진부(120)로부터 상기 인공지능(AI) UI부(110)로 학습 결과가 전송되면, 인공지능 UI부(110)에 의해 상기 인공지능 엔진부(120)(즉, 훈련 엔진 모듈(121))로부터 자동 애노테이션 실행 명령을 수신하여 미리 학습된 인공지능(AI)을 통해 새로운 데이터에 대해 자동으로 애노테이션(annotation)을 수행한다(단계 S203). 즉, 미리 학습된 인공지능(AI)을 통해 학습 데이터를 자동으로 가공 작업을 하게 된다.
이후, 상기 인공지능 UI부(110)의 테스트 모듈(114)에 의해 학습 관리 모듈(113)을 통해 학습 결과를 전달받아 학습 결과에 대한 인공지능 엔진 성능 테스트 및 비교 테스트를 수행하며, 추론 결과에 대한 원인 분석 및 데이터 결함을 교정한다(단계 S204). 여기서, 상기 학습 결과에 대한 인공지능 엔진 성능 테스트를 수행한 후, 테스트 결과에 대한 통계치를 사용자의 AI 서비스로서 제공하는 단계를 더 포함할 수 있다. 또한, 상기 학습 결과에 대한 인공지능 엔진 성능 테스트는 정량적 테스트 및 정성적 테스트를 포함할 수 있다. 또한, 테스트 모듈(114)은 상기 학습 결과에 대한 인공지능 엔진 성능 테스트 및 비교 테스트를 수행함에 있어서, 추론 결과와 유사한 결과를 나타내는 입력 데이터를 데이터베이스(DB)를 검색하여 제시할 수 있다.
이렇게 하여 상기 인공지능 UI부(110)의 테스트 모듈(114)에 의해 인공지능 엔진 성능 테스트와, 추론 결과에 대한 원인 분석 및 데이터 결함 교정이 완료되면, 상기 인공지능 엔진부(120)에 의해 상기 인공지능 UI부(110)로부터 추론 결과에 대한 원인 분석 결과 및 교정된 데이터를 수신하여 테스트 애노테이션을 통해 학습 데이터를 재검증하고, 검증 결과를 상기 인공지능 UI부(110)로 전송한다(단계 S205).
그러면, 인공지능 UI부(110)는 인공지능 엔진부(120)로부터의 학습 데이터 재검증 결과를 수신하여 엔진 변수값 및 학습 데이터량을 조절하여 상기 인공지능 엔진부(120)로 전송한다(단계 S206).
이에 따라, 인공지능 엔진부(120)는 상기 인공지능 UI부(110)로부터의 교정된 학습 데이터를 수신하여 재학습한다(단계 S207).
이상의 설명과 같이, 본 발명에 따른 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템 및 방법은 사용자별 맞춤 학습 모델을 구축하여, 특정 데이터에 대한 학습을 수행하고 학습결과에 대한 추론 및 원인을 분석하며, 데이터의 결함 교정을 통해 재학습을 수행함으로써, 인공지능 엔진의 성능을 향상시킬 수 있는 장점이 있다.
또한, 소스코드 없이 전과정에 대해 학습진행과 학습관리 기능 전반에 대한 제어가 가능한 인공지능 프레임 워크를 제공함으로써, 인공지능 비전문가도 쉽게 시스템을 운용할 수 있고, 다양한 인공지능 서비스를 제공할 수 있는 장점이 있다.
이상, 바람직한 실시예를 통하여 본 발명에 관하여 상세히 설명하였으나, 본 발명은 이에 한정되는 것은 아니며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양하게 변경, 응용될 수 있음은 당해 기술분야의 통상의 기술자에게 자명하다. 따라서, 본 발명의 진정한 보호 범위는 다음의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술적 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.
100: (본 발명)인공지능 비전문가를 위한 인공지능 서비스 제공 시스템
110: 인공지능 사용자 인터페이스(UI)부 111: 선택 모듈
112: 자동 데이터 애노테이션 인터페이스 모듈 113: 학습 관리 모듈
114: 테스트 모듈 120: 인공지능 엔진부
121: 훈련 엔진 모듈 122: 테스트 애노테이션 모듈
123: 데이터베이스(DB)

Claims (15)

  1. 사용자의 초기 정보를 입력받아 사용자별 맞춤형 AI 학습 모델을 선정하고, 선정된 AI 학습 모델별 학습 데이터를 선택한 후 전처리를 수행하며, 미리 학습된 인공지능(AI)을 통해 새로운 데이터에 대해 자동으로 애노테이션(annotation)을 수행하고, 학습 결과에 대한 인공지능 엔진 성능 테스트 및 비교 테스트를 수행하며, 추론 결과에 대한 원인 분석 및 데이터 결함 교정을 통한 재학습을 수행할 수 있도록 하는 인공지능(AI) 사용자 인터페이스(User Interface; UI)부; 및
    상기 인공지능(AI) UI부와 유/무선 통신을 통해 신호를 송/수신하며, 상기 인공지능(AI) UI부에 의해 선택된 학습 데이터에 대한 학습 및 사용자의 특성을 반영한 개인화 추론 학습을 수행하고, 학습 결과를 상기 인공지능(AI) 사용자 인터페이스부로 전송하며, 상기 인공지능(AI) 사용자 인터페이스부로부터 테스트 결과 및 분석 데이터를 수신하여 테스트 애노테이션을 통해 학습 데이터를 재검증하고, 교정된 데이터를 재학습하는 인공지능 엔진부를 포함하는 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템.
  2. 제1항에 있어서,
    상기 인공지능(AI) 사용자 인터페이스(UI)부는 학습 전체 과정을 제어할 수 있는 웹 기반의 사용자 인터페이스로 구성된 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템.
  3. 제2항에 있어서,
    상기 인공지능(AI) 사용자 인터페이스(UI)부는 통합 로그인 기능을 제공하여 하나의 계정으로 프레임 워크의 전체 기능을 사용할 수 있도록 구성된 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템.
  4. 제2항에 있어서,
    상기 인공지능(AI) 사용자 인터페이스(UI)부는 UI(User Interface) 및 UX(User Experience)를 제공하여 데이터 입력, 학습, 결과 확인을 포함한 학습 전체 과정을 화면상으로 제어하도록 구성된 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템.
  5. 제1항에 있어서,
    상기 인공지능(AI) 사용자 인터페이스(UI)부는,
    사용자의 초기 정보를 입력받아 사용자별 맞춤형 AI 학습 모델을 선정하고, 선정된 AI 학습 모델에 필요한 학습 데이터를 선택하는 선택 모듈과;
    상기 선택 모듈에 의해 선정된 AI 학습 모델에 대응하는 인공지능 엔진별 UI를 학습 관리 모듈로 제공하고, 상기 인공지능 엔진부로부터의 자동 애노테이션 실행 신호에 따라 미리 학습된 인공지능(AI)을 통해 새로운 데이터에 대해 자동으로 애노테이션(annotation)을 수행하는 자동 데이터 애노테이션 인터페이스 모듈과;
    상기 선택 모듈에 의해 선택된 학습 데이터를 전처리하여 상기 인공지능 엔진부로 전송하고, 인공지능 엔진부로부터의 학습 데이터 재검증 결과를 수신하여 엔진 변수값 및 학습 데이터량을 조절하는 학습 관리 모듈; 및
    상기 학습 관리 모듈을 통해 학습 결과 데이터를 수신하여 학습 결과에 대한 엔진성능 테스트 및 학습 데이터 결함 비교 테스트를 수행하고, 추론 결과에 대한 원인을 분석하며, 데이터 결함을 교정하는 테스트 모듈을 포함하여 구성된 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템.
  6. 제5항에 있어서,
    상기 테스트 모듈은 테스트 결과에 대한 통계치를 제공하는 기능을 더 포함하는 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템.
  7. 제1항에 있어서,
    상기 인공지능 엔진부는,
    상기 인공지능(AI) 사용자 인터페이스부의 상기 자동 데이터 애노테이션 인터페이스 모듈로부터 학습 데이터와 실시간 훈련 명령을 수신하여 능동적인 학습 및 개인화 추론 학습을 수행하는 훈련 엔진 모듈과;
    상기 인공지능(AI) 사용자 인터페이스부의 상기 테스트 모듈로부터 테스트 결과, 결과 원인 분석 데이터 및 교정된 학습 데이터를 수신하여, 애노테이션을 수행하여 학습 데이터를 재검증하고, 교정된 학습 데이터를 상기 훈련 엔진 모듈로 제공하여 재학습이 이루어지도록 하는 테스트 애노테이션 모듈; 및
    인공지능 학습 데이터 및 사용자 정보를 저장하고, 상기 인공지능(AI) 사용자 인터페이스(UI)부의 상기 자동 데이터 애노테이션 인터페이스 모듈로부터 애노테이션이 수행된 새로운 데이터를 수신하여 데이터를 증강하는 데이터베이스(DB)를 포함하여 구성된 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템.
  8. 제7항에 있어서,
    상기 훈련 엔진 모듈은 엔진 성능의 향상을 위해 수집된 사용자 행동 데이터를 재학습하도록 구성된 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템.
  9. 제7항에 있어서,
    상기 훈련 엔진 모듈은 기존의 학습 데이터와 사용자의 추가 데이터를 함께 학습할 수 있도록 구성된 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템.
  10. 제7항에 있어서,
    상기 데이터베이스(DB)는 데이터를 증강함에 있어서, 생성적 적대 신경망(Generative Adversarial Network; GAN)을 통해 데이터 증강 및 데이터셋 규모를 증강하는 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템.
  11. 사용자별 맞춤형 AI 학습 모델 선정 및 학습 모델별 학습 데이터 선택, 엔진 성능 테스트 및 추론 결과에 대한 원인 분석을 수행하는 인공지능(AI) 사용자 인터페이스(UI)부와, 선택된 학습 데이터에 대한 학습 및 개인화 추론 학습, 교정된 데이터를 재학습하는 인공지능 엔진부를 포함하는 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템을 기반으로 한 인공지능 비전문가를 위한 인공지능 서비스 제공 방법으로서,
    a) 상기 인공지능(AI) 사용자 인터페이스(UI)부에 의해 사용자의 초기 정보를 입력받아 사용자별 맞춤형 AI 학습 모델을 선정하고, 선정된 AI 학습 모델별 학습 데이터를 선택한 후 전처리를 수행하는 단계와;
    b) 상기 인공지능 엔진부가 상기 인공지능(AI) UI부에 의해 선택된 학습 데이터에 대한 학습 및 사용자의 특성을 반영한 개인화 추론 학습을 수행하고, 학습 결과를 상기 인공지능(AI) UI부로 전송하는 단계와;
    c) 상기 인공지능 UI부에 의해 상기 인공지능 엔진부로부터 자동 애노테이션 실행 명령을 수신하여 미리 학습된 인공지능(AI)을 통해 새로운 데이터에 대해 자동으로 애노테이션(annotation)을 수행하는 단계와;
    d) 상기 인공지능 UI부에 의해 학습 결과에 대한 인공지능 엔진 성능 테스트 및 비교 테스트를 수행하며, 추론 결과에 대한 원인 분석 및 데이터 결함을 교정하는 단계와;
    e) 상기 인공지능 엔진부에 의해 상기 인공지능 UI부로부터 추론 결과에 대한 원인 분석 결과 및 교정된 데이터를 수신하여 테스트 애노테이션을 통해 학습 데이터를 재검증하고, 검증 결과를 상기 인공지능 UI부로 전송하는 단계와;
    f) 상기 인공지능 UI부에 의해 인공지능 엔진부로부터의 학습 데이터 재검증 결과를 수신하여 엔진 변수값 및 학습 데이터량을 조절하여 상기 인공지능 엔진부로 전송하는 단계와;
    g) 상기 인공지능 엔진부에 의해 상기 인공지능 UI부로부터의 교정된 학습 데이터를 수신하여 재학습하는 단계를 포함하는 인공지능 비전문가를 위한 인공지능 서비스 제공 방법.
  12. 제11항에 있어서,
    상기 단계 b)에서 상기 인공지능 엔진부가 상기 인공지능(AI) UI부에 의해 선택된 학습 데이터에 대한 학습을 수행함에 있어서, 상기 인공지능 엔진부는 기존의 학습 데이터와 사용자의 추가 데이터에 대한 학습을 함께 수행하는 인공지능 비전문가를 위한 인공지능 서비스 제공 방법.
  13. 제11항에 있어서,
    상기 단계 d)에서 상기 학습 결과에 대한 인공지능 엔진 성능 테스트를 수행한 후, 테스트 결과에 대한 통계치를 사용자의 AI 서비스로서 제공하는 단계를 더 포함하는 인공지능 비전문가를 위한 인공지능 서비스 제공 방법.
  14. 제11항에 있어서,
    상기 단계 d)에서 상기 학습 결과에 대한 인공지능 엔진 성능 테스트는 정량적 테스트 및 정성적 테스트를 포함하는 인공지능 비전문가를 위한 인공지능 서비스 제공 방법.
  15. 제11항에 있어서,
    상기 단계 d)에서 상기 학습 결과에 대한 인공지능 엔진 성능 테스트및 비교 테스트를 수행함에 있어서, 추론 결과와 유사한 결과를 나타내는 입력 데이터를 데이터베이스(DB)를 검색하여 제시하는 인공지능 비전문가를 위한 인공지능 서비스 제공 방법.
KR1020200112301A 2020-09-03 2020-09-03 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템 및 방법 KR102377645B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200112301A KR102377645B1 (ko) 2020-09-03 2020-09-03 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200112301A KR102377645B1 (ko) 2020-09-03 2020-09-03 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20220030680A true KR20220030680A (ko) 2022-03-11
KR102377645B1 KR102377645B1 (ko) 2022-03-23

Family

ID=80814597

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200112301A KR102377645B1 (ko) 2020-09-03 2020-09-03 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102377645B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102637198B1 (ko) 2022-08-31 2024-02-16 (주)지비유 데이터링크스 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법, 장치 및 컴퓨터프로그램
KR102673850B1 (ko) * 2023-03-14 2024-06-11 주식회사 비아 품질 평가를 이용한 인공지능 비전 모델 학습 실습 시스템 및 그 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101818074B1 (ko) * 2017-07-20 2018-01-12 (주)제이엘케이인스펙션 인공지능 기반 의료용 자동 진단 보조 방법 및 그 시스템
KR102002880B1 (ko) * 2019-03-11 2019-07-23 (주)시큐레이어 기계 학습 모델에 기반하여 악성 패킷을 검출하는 방법 및 이를 이용한 장치
KR20200066083A (ko) * 2018-11-30 2020-06-09 주식회사 딥바이오 세미 슈퍼바이즈드 학습을 이용한 진단 시스템 제공방법 및 이를 이용하는 진단 시스템
KR20200087310A (ko) 2018-12-28 2020-07-21 소프트온넷(주) 인공지능 영상판독 딥러닝 학습을 위한 애노테이션 학습데이터 생성과 증강 시스템 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101818074B1 (ko) * 2017-07-20 2018-01-12 (주)제이엘케이인스펙션 인공지능 기반 의료용 자동 진단 보조 방법 및 그 시스템
KR20200066083A (ko) * 2018-11-30 2020-06-09 주식회사 딥바이오 세미 슈퍼바이즈드 학습을 이용한 진단 시스템 제공방법 및 이를 이용하는 진단 시스템
KR20200087310A (ko) 2018-12-28 2020-07-21 소프트온넷(주) 인공지능 영상판독 딥러닝 학습을 위한 애노테이션 학습데이터 생성과 증강 시스템 및 방법
KR102002880B1 (ko) * 2019-03-11 2019-07-23 (주)시큐레이어 기계 학습 모델에 기반하여 악성 패킷을 검출하는 방법 및 이를 이용한 장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102637198B1 (ko) 2022-08-31 2024-02-16 (주)지비유 데이터링크스 인공지능 모델 제작 플랫폼을 통한 인공지능 모델 공유, 대여 및 판매방법, 장치 및 컴퓨터프로그램
KR102673850B1 (ko) * 2023-03-14 2024-06-11 주식회사 비아 품질 평가를 이용한 인공지능 비전 모델 학습 실습 시스템 및 그 방법

Also Published As

Publication number Publication date
KR102377645B1 (ko) 2022-03-23

Similar Documents

Publication Publication Date Title
CN108388425B (zh) 一种基于lstm自动补全代码的方法
WO2022095682A1 (zh) 文本分类模型的训练方法、文本分类方法、装置、设备、存储介质及计算机程序产品
CN109977201B (zh) 带情感的机器聊天方法、装置、计算机设备及存储介质
KR102027141B1 (ko) 음성인식을 통한 인공지능 프로그램코딩 시스템 및 그 방법
CN114694076A (zh) 基于多任务学习与层叠跨模态融合的多模态情感分析方法
CN111428015A (zh) 一种信息生成方法、装置、设备及存储介质
KR102377645B1 (ko) 인공지능 비전문가를 위한 인공지능 서비스 제공 시스템 및 방법
CN110457661B (zh) 自然语言生成方法、装置、设备及存储介质
CN111737432A (zh) 一种基于联合训练模型的自动对话方法和系统
US20230126177A1 (en) Automatic photo editing via linguistic request
CN114880441A (zh) 视觉内容生成方法、装置、系统、设备和介质
CN116306603A (zh) 标题生成模型的训练方法和标题生成方法、装置和介质
Elworthy Automatic error detection in part-of-speech tagging
CN117524202A (zh) 一种ip电话语音数据检索方法及系统
CN116913278A (zh) 语音处理方法、装置、设备和存储介质
CN117271745A (zh) 一种信息处理方法、装置及计算设备、存储介质
CN111599342A (zh) 音色选择方法和选择系统
CN116978367A (zh) 语音识别方法、装置、电子设备和存储介质
US20230297603A1 (en) Cross-lingual meta-transfer learning adaptation to natural language understanding
CN115101075A (zh) 一种语音识别的方法以及相关装置
CN114860869A (zh) 一种意图泛化的可控制通用对话模型
CN114743539A (zh) 语音合成方法、装置、设备及存储介质
KR102120936B1 (ko) 스마트 단말의 기능을 탑재한 캐릭터 인형 제작 서비스 제공 시스템
CN114661864A (zh) 一种基于受控文本生成的心理咨询方法、装置及终端设备
CN111222011B (zh) 一种视频向量确定方法和装置

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right