KR20230080219A - 센서 데이터에 대한 레이블링을 지원하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 - Google Patents
센서 데이터에 대한 레이블링을 지원하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 Download PDFInfo
- Publication number
- KR20230080219A KR20230080219A KR1020210167740A KR20210167740A KR20230080219A KR 20230080219 A KR20230080219 A KR 20230080219A KR 1020210167740 A KR1020210167740 A KR 1020210167740A KR 20210167740 A KR20210167740 A KR 20210167740A KR 20230080219 A KR20230080219 A KR 20230080219A
- Authority
- KR
- South Korea
- Prior art keywords
- sensor data
- labeling
- data
- behavior
- target sensor
- Prior art date
Links
- 238000002372 labelling Methods 0.000 title claims abstract description 181
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000006399 behavior Effects 0.000 claims description 80
- 230000009471 action Effects 0.000 claims description 18
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 31
- 230000006870 function Effects 0.000 description 18
- 244000309466 calf Species 0.000 description 12
- 230000001133 acceleration Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 241000283690 Bos taurus Species 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 244000144972 livestock Species 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000282887 Suidae Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000022676 rumination Effects 0.000 description 1
- 208000015212 rumination disease Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/80—Recognising image objects characterised by unique random patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Abstract
본 발명의 일 태양에 따르면, 센서 데이터에 대한 레이블링(labeling)을 지원하기 위한 방법으로서, 객체에 대한 센서에 의하여 측정되는 레이블링 대상 센서 데이터를 획득하는 단계, 및 상기 레이블링 대상 센서 데이터에 대응되면서 상기 레이블링 대상 센서 데이터와 다른 종류에 속하는 제1 대응 참조 데이터 및 상기 레이블링 대상 센서 데이터 중 적어도 하나로부터 추정되는 상기 객체의 행동을 참조하여 상기 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보를 결정하는 단계를 포함하는 방법이 제공된다.
Description
본 발명은 센서 데이터에 대한 레이블링을 지원하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체에 관한 것이다.
근래에 들어, 머신 러닝 기술에 관한 연구가 활발히 이루어지면서, 머신 러닝 기반의 행동 추정 모델을 이용하여 특정 객체(예를 들면, 송아지와 같은 가축)를 효율적으로 모니터링하기 위한 기술들이 소개된 바 있다.
머신 러닝 기반의 행동 추정 모델을 이용하여 객체를 모니터링하기 위해서는 우선 행동 추정 모델을 잘 학습시켜야 하는데, 이를 위해서는 높은 질의 학습 데이터(예를 들면, 정확하게 레이블링된 학습 데이터)를 충분히 많이 사용하는 것이 필요하다. 이러한 필요에 의하여, 사람들은 특정 데이터(예를 들면, 센서 데이터)를 수집하고 이에 대하여 레이블링을 함으로써 학습 데이터를 생성하고 있는데, 이러한 과정에서 레이블링을 하는 사람의 낮은 판단 숙련도 등으로 인하여 레이블링이 잘못됨에 따라 낮은 질의 학습 데이터가 생성되는 경우나, 수집한 데이터에 대하여 레이블링을 하지 못하게 됨에 따라 수집한 데이터를 학습 데이터로서 활용하지 못하게 되는 경우(예를 들면, 객체를 촬영한 영상 데이터에 기초하여 해당 객체에 대한 센서 데이터에 대하여 레이블링을 하는 경우에, 영상 데이터에서 해당 객체가 가려지는 등의 이유로 해당 객체의 상태를 확인하기 어렵게 되어 위의 센서 데이터에 대하여 레이블링을 할 수 없는 경우 등)가 있다.
이에 본 발명자(들)는, 객체에 대한 센서에 의하여 측정되는 레이블링 대상 센서 데이터를 획득하고, 레이블링 대상 센서 데이터에 대응되면서 레이블링 대상 센서 데이터와 다른 종류에 속하는 제1 대응 참조 데이터 및 레이블링 대상 센서 데이터 중 적어도 하나로부터 객체의 행동을 추정하고, 그 추정되는 객체의 행동을 참조하여 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보를 결정함으로써, 객체에 대하여 수집된 센서 데이터가 버려지거나 그 센서 데이터에 대하여 잘못된 레이블링이 되는 경우를 최소화하는 기술을 제안하는 바이다.
본 발명은 전술한 종래 기술의 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은, 객체에 대한 센서에 의하여 측정되는 레이블링 대상 센서 데이터를 획득하고, 레이블링 대상 센서 데이터에 대응되면서 레이블링 대상 센서 데이터와 다른 종류에 속하는 제1 대응 참조 데이터 및 레이블링 대상 센서 데이터 중 적어도 하나로부터 추정되는 객체의 행동을 참조하여 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보를 결정하는 것을 다른 목적으로 한다.
또한, 본 발명은, 객체에 대하여 수집된 센서 데이터가 버려지거나 그 센서 데이터에 대하여 잘못된 레이블링이 되는 경우를 최소화하는 것을 또 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 태양에 따르면, 객체에 대한 센서에 의하여 측정되는 레이블링 대상 센서 데이터를 획득하는 단계, 및 상기 레이블링 대상 센서 데이터에 대응되면서 상기 레이블링 대상 센서 데이터와 다른 종류에 속하는 제1 대응 참조 데이터 및 상기 레이블링 대상 센서 데이터 중 적어도 하나로부터 추정되는 상기 객체의 행동을 참조하여 상기 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보를 결정하는 단계를 포함하는 방법이 제공된다.
본 발명의 다른 태양에 따르면, 객체에 대한 센서에 의하여 측정되는 레이블링 대상 센서 데이터를 획득하는 데이터 획득부, 상기 레이블링 대상 센서 데이터에 대응되면서 상기 레이블링 대상 센서 데이터와 다른 종류에 속하는 제1 대응 참조 데이터 및 상기 레이블링 대상 센서 데이터 중 적어도 하나로부터 상기 객체의 행동을 추정하는 행동 추정부, 및 상기 추정되는 객체의 행동을 참조하여 상기 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보를 결정하는 레이블링 관리부를 포함하는 시스템이 제공된다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능한 기록 매체가 더 제공된다.
본 발명에 의하면, 객체에 대한 센서에 의하여 측정되는 레이블링 대상 센서 데이터를 획득하고, 레이블링 대상 센서 데이터에 대응되면서 레이블링 대상 센서 데이터와 다른 종류에 속하는 제1 대응 참조 데이터 및 레이블링 대상 센서 데이터 중 적어도 하나로부터 추정되는 객체의 행동을 참조하여 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보를 결정할 수 있게 된다.
또한, 본 발명에 의하면, 객체에 대하여 수집된 센서 데이터가 버려지거나 그 센서 데이터에 대하여 잘못된 레이블링이 되는 경우를 최소화할 수 있게 된다.
도 1은 본 발명의 일 실시예에 따라 센서 데이터에 대한 레이블링(labeling)을 지원하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 레이블링 지원 시스템의 내부 구성을 상세하게 도시하는 도면이다.
도 3은 본 발명의 일 실시예에 따라 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보가 결정되는 과정을 예시적으로 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 레이블링 지원 시스템의 내부 구성을 상세하게 도시하는 도면이다.
도 3은 본 발명의 일 실시예에 따라 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보가 결정되는 과정을 예시적으로 나타내는 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
본 명세서에서는, 본 발명에 관한 실시예가 송아지를 모니터링하는 경우에 주로 초점을 맞추어 설명되지만, 본 발명은 말, 돼지 등 다른 가축의 행동을 모니터링 하는 경우에도 적용될 수 있으며, 환자의 행동을 모니터링하는 경우와 같이 사람의 행동을 모니터링하는 경우에도 적용될 수 있는 것으로 이해되어야 한다.
또한, 본 명세서에서 행동이란, 반드시 객체의 움직임이 있는 동작만을 의미하는 것은 아니고, 객체가 자세의 변화 없이(또는 움직임이 거의 없는 상태로) 소정 시간 동안 특정 자세를 유지하는 상태를 의미할 수도 있는 것으로 이해되어야 한다.
전체 시스템의 구성
도 1은 본 발명의 일 실시예에 따라 센서 데이터에 대한 레이블링(labeling)을 지원하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 전체 시스템은 통신망(100), 레이블링 지원 시스템(200), 센서(300a 및 300b) 및 디바이스(400)를 포함할 수 있다.
먼저, 본 발명의 일 실시예에 따른 통신망(100)은 유선 통신이나 무선 통신과 같은 통신 양태를 가리지 않고 구성될 수 있으며, 근거리 통신망(LAN; Local Area Network), 도시권 통신망(MAN; Metropolitan Area Network), 광역 통신망(WAN; Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 바람직하게는, 본 명세서에서 말하는 통신망(100)은 공지의 인터넷 또는 월드 와이드 웹(WWW; World Wide Web)일 수 있다. 그러나, 통신망(100)은, 굳이 이에 국한될 필요 없이, 공지의 유무선 데이터 통신망, 공지의 전화망 또는 공지의 유무선 텔레비전 통신망을 그 적어도 일부에 있어서 포함할 수도 있다.
예를 들면, 통신망(100)은 무선 데이터 통신망으로서, 와이파이(WiFi) 통신, 와이파이 다이렉트(WiFi-Direct) 통신, 롱텀 에볼루션(LTE; Long Term Evolution) 통신, 5G 통신, 블루투스 통신(저전력 블루투스(BLE; Bluetooth Low Energy) 통신 포함), 적외선 통신, 초음파 통신 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다. 다른 예를 들면, 통신망(100)은 광 통신망으로서, 라이파이(LiFi; Light Fidelity) 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다.
다음으로, 본 발명의 일 실시예에 따른 레이블링 지원 시스템(200)은 객체에 대한 센서에 의하여 측정되는 레이블링 대상 센서 데이터를 획득하고, 레이블링 대상 센서 데이터에 대응되면서 레이블링 대상 센서 데이터와 다른 종류에 속하는 제1 대응 참조 데이터 및 레이블링 대상 센서 데이터 중 적어도 하나로부터 추정되는 객체의 행동을 참조하여 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보를 결정하는 기능을 수행할 수 있다.
본 발명에 따른 레이블링 지원 시스템(200)의 구성과 기능에 관하여는 이하의 상세한 설명을 통하여 자세하게 알아보기로 한다.
다음으로, 본 발명의 일 실시예에 따른 센서(300a 및 300b)는 레이블링 지원 시스템(200)에 접속한 후 통신할 수 있는 기능을 포함하는 디지털 기기로서, 두 종류 이상의 센서로 구성될 수 있다. 예를 들어, 본 발명의 일 실시예에 따르면, 하나의 센서(300a)는 공지의 6축 각속도/가속도 센서를 포함할 수 있고, 다른 하나의 센서(300b)는 객체를 촬영하기 위한 이미지 센서를 포함할 수 있다. 센서(300a)에 공지의 6축 각속도/가속도 센서가 포함되는 경우에는 센서(300a)에 의하여 X축, Y축 및 Z축의 가속도와 각속도(즉, 어떤 방향으로 기울어지는 속도)를 측정할 수 있다. 나아가, 각가속도가 각속도와 함께 또는 각속도를 대신하여 측정될 수도 있다.
한편, 본 발명의 일 실시예에 따르면, 이러한 센서(300a 및 300b)는 객체(예를 들면, 송아지)의 일부(예를 들면, 송아지의 목)에 착용되거나 삽입될 수 있고, 해당 객체에 대하여 소정의 장소(예를 들면, 송아지의 축사)에 설치될 수도 있다. 다만, 본 발명의 일 실시예에 따른 센서(300a 및 300b)의 종류 및 센서(300a 및 300b)가 착용, 삽입 또는 설치되는 위치나 장소에 특별한 제한이 있는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다. 예를 들면, 본 발명의 일 실시예에 따른 센서(300a 및 300b)에는 각속도/가속도 센서와 이미지 센서가 아닌 생체 신호 측정 센서 등의 다른 종류의 센서가 포함될 수 있고, 객체(예를 들면, 송아지)의 신체 내부에 삽입될 수도 있다.
특히, 본 발명의 일 실시예에 따른 센서(300a 및 300b)는, 사용자가 레이블링 지원 시스템(200)으로부터 본 발명에 따른 기능을 제공받을 수 있도록 지원하는 애플리케이션(미도시됨)을 포함할 수 있다. 이와 같은 애플리케이션은 레이블링 지원 시스템(200) 또는 외부의 애플리케이션 배포 서버(미도시됨)로부터 다운로드된 것일 수 있다. 한편, 이러한 애플리케이션의 성격은 후술할 바와 같은 레이블링 지원 시스템(200)의 데이터 획득부(210), 행동 추정부(220), 레이블링 관리부(230), 통신부(240) 및 제어부(250)와 전반적으로 유사할 수 있다. 여기서, 애플리케이션은 그 적어도 일부가 필요에 따라 그것과 실질적으로 동일하거나 균등한 기능을 수행할 수 있는 하드웨어 장치나 펌웨어 장치로 치환될 수도 있다.
다음으로, 본 발명의 일 실시예에 따른 디바이스(400)는 레이블링 지원 시스템(200)에 접속한 후 통신할 수 있는 기능을 포함하는 디지털 기기로서, 스마트폰, 태블릿, 스마트 워치, 스마트 밴드, 스마트 글래스, 데스크탑 컴퓨터, 노트북 컴퓨터, 워크스테이션, PDA, 웹 패드, 이동 전화기 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기라면 얼마든지 본 발명에 따른 디바이스(400)로서 채택될 수 있다.
특히, 디바이스(400)는, 사용자가 레이블링 지원 시스템(200)으로부터 본 발명에 따른 기능을 제공받을 수 있도록 지원하는 애플리케이션(미도시됨)을 포함할 수 있다. 이와 같은 애플리케이션은 레이블링 지원 시스템(200) 또는 외부의 애플리케이션 배포 서버(미도시됨)로부터 다운로드된 것일 수 있다. 한편, 이러한 애플리케이션의 성격은 후술할 바와 같은 레이블링 지원 시스템(200)의 데이터 획득부(210), 행동 추정부(220), 레이블링 관리부(230), 통신부(240) 및 제어부(250)와 전반적으로 유사할 수 있다. 여기서, 애플리케이션은 그 적어도 일부가 필요에 따라 그것과 실질적으로 동일하거나 균등한 기능을 수행할 수 있는 하드웨어 장치나 펌웨어 장치로 치환될 수도 있다.
레이블링 지원 시스템의 구성
이하에서는, 본 발명의 구현을 위하여 중요한 기능을 수행하는 레이블링 지원 시스템(200)의 내부 구성과 각 구성요소의 기능에 대하여 살펴보기로 한다.
도 2는 본 발명의 일 실시예에 따른 레이블링 지원 시스템(200)의 내부 구성을 상세하게 도시하는 도면이다.
도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 레이블링 지원 시스템(200)은, 데이터 획득부(210), 행동 추정부(220), 레이블링 관리부(230), 통신부(240) 및 제어부(250)를 포함하여 구성될 수 있다. 본 발명의 일 실시예에 따르면, 데이터 획득부(210), 행동 추정부(220), 레이블링 관리부(230), 통신부(240) 및 제어부(250)는 그 중 적어도 일부가 외부의 시스템(미도시됨)과 통신하는 프로그램 모듈일 수 있다. 이러한 프로그램 모듈은 운영 시스템, 응용 프로그램 모듈 또는 기타 프로그램 모듈의 형태로 레이블링 지원 시스템(200)에 포함될 수 있고, 물리적으로는 여러 가지 공지의 기억 장치에 저장될 수 있다. 또한, 이러한 프로그램 모듈은 레이블링 지원 시스템(200)과 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
한편, 레이블링 지원 시스템(200)에 관하여 위와 같이 설명되었으나, 이러한 설명은 예시적인 것이고, 레이블링 지원 시스템(200)의 구성요소 또는 기능 중 적어도 일부가 필요에 따라 센서(300a 및 300b), 디바이스(400) 또는 서버(미도시됨) 내에서 실현되거나 외부 시스템(미도시됨) 내에 포함될 수도 있음은 당업자에게 자명하다.
먼저, 본 발명의 일 실시예에 따른 데이터 획득부(210)는, 객체에 대한 센서(300a 및/또는 300b)에 의하여 측정되는 레이블링(labeling) 대상 센서 데이터를 획득하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 센서(300a 및/또는 300b)는, 객체로부터 센서 데이터를 측정할 수 있다. 본 발명의 일 실시예에 따르면, 센서(300a 및/또는 300b)는 객체의 일부에 착용되거나 삽입되는 것일 수 있고, 위의 센서 데이터에는 가속도 데이터 및/또는 각속도 데이터가 포함될 수 있다. 그리고, 본 발명의 일 실시예에 따른 데이터 획득부(210)는, 위와 같이 측정되는 센서 데이터를 레이블링이 되어야 하는 센서 데이터, 즉 레이블링 대상 센서 데이터로서 획득할 수 있다.
한편, 본 발명의 일 실시예에 따른 행동 추정부(220)는, 후술할 바와 같이 객체에 대한 센서(300a 및/또는 300b)에 의하여 측정되는 센서 데이터 및 해당 센서 데이터에 대응되면서 해당 센서 데이터와 다른 종류에 속하는 제2 대응 참조 데이터 중 적어도 하나로부터 위의 객체의 행동을 추정할 수 있다. 그리고, 본 발명의 일 실시예에 따른 데이터 획득부(210)는, 이렇게 추정되는 객체의 행동이 유효한 경우에 해당 센서 데이터를 레이블링 대상 센서 데이터로서 획득할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 데이터 획득부(210)는, 본 발명의 일 실시예에 따른 행동 추정부(220)에 의하여 추정되는 객체의 행동이 유효한지 여부를 판단할 수 있다. 그리고, 본 발명의 일 실시예에 따른 데이터 획득부(210)는, 객체의 행동이 유효하지 않은 것으로 판단되는 경우에는 해당 객체가 행동함에 따라 측정된 센서 데이터(즉, 객체의 행동에 대응되는 센서 데이터)를 레이블링 대상 센서 데이터로서 획득하지 않고, 객체의 행동이 유효한 경우에만 해당 객체가 행동함에 따라 측정된 센서 데이터를 레이블링 대상 센서 데이터로서 획득할 수 있다. 또한, 본 발명의 일 실시예에 따른 데이터 획득부(210)는, 위와 같이 센서 데이터가 레이블링 대상 센서 데이터로서 획득되는 경우에는, 해당 센서 데이터에 대응되면서 해당 센서 데이터와 다른 종류에 속하는 제2 대응 참조 데이터가 위의 레이블링 대상 센서 데이터에 대응되는 제1 대응 참조 데이터로서 획득될 수 있다. 한편, 본 발명의 일 실시예에 따른 제1 대응 참조 데이터와 제2 대응 참조 데이터에 관하여는 이하에서 자세히 설명하기로 한다.
예를 들면, 본 발명의 일 실시예에 따른 데이터 획득부(210)는, 객체의 행동이 없거나 미미한 경우, 객체의 행동이 미리 정해진 종류의 행동에 해당하지 않을 확률이 높은 경우 등의 경우와 같이 객체의 행동에 대응되는 센서 데이터에 대하여 레이블링을 할 필요가 없다고 판단되는 경우(즉, 객체의 행동이 유효하지 않은 것으로 판단되는 경우)에는 해당 객체가 행동함에 따라 측정된 센서 데이터를 레이블링 대상 센서 데이터로서 획득하지 않을 수 있다.
다음으로, 본 발명의 일 실시예에 따른 행동 추정부(220)는, 레이블링 대상 센서 데이터에 대응되면서 레이블링 대상 데이터와 다른 종류에 속하는 제1 대응 참조 데이터 및 레이블링 대상 센서 데이터 중 적어도 하나로부터 객체의 행동을 추정하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따르면, 레이블링 대상 센서 데이터에 대응되는 제1 대응 참조 데이터는, 특정 객체에 대한 센서(300a)에 의하여 레이블링 대상 센서 데이터가 측정되는 동안에 그 특정 객체에 대한 위의 센서(300a)의 종류와는 다른 종류의 센서(300b)에 의하여 센싱(예를 들면, 측정, 촬영 등)되는 센서 데이터를 의미할 수 있다. 따라서, 본 발명의 일 실시예에 따르면, 이러한 제1 대응 참조 데이터는 레이블링 대상 센서 데이터와 그 종류가 다를 수 있다. 그리고, 본 발명의 일 실시예에 따른 데이터 획득부(210)는, 위와 같이 다른 종류의 센서(300b)에 의하여 센싱되는 센서 데이터를 레이블링 대상 센서 데이터에 대응되는 제1 대응 참조 데이터로서 획득할 수 있다.
예를 들어, 본 발명의 일 실시예에 따르면, 특정 객체에 착용된 각속도/가속도 센서(300a에 해당할 수 있음)에 의하여 특정 시간 동안에 측정되는 신호 데이터가 레이블링 대상 센서 데이터에 해당할 수 있다. 그리고, 그 레이블링 대상 센서 데이터가 측정되는 그 특정 시간 동안에 이미지 센서(300b에 해당할 수 있음)를 이용하여 그 특정 객체를 촬영한 영상 데이터가 그 레이블링 대상 센서 데이터에 대응되면서 그 레이블링 대상 센서 데이터와 다른 종류에 속하는 제1 대응 참조 데이터에 해당할 수 있다. 다만, 본 발명의 일 실시예에 따른 레이블링 대상 센서 데이터와 제1 대응 참조 데이터의 종류는 위에서 설명된 것에 한정되지 않으며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다.
계속하면, 본 발명의 일 실시예에 따른 행동 추정부(220)는, 객체에 대한 센서(300a)에 의하여 측정되는 센서 데이터 및 해당 센서 데이터에 대응되면서 해당 센서 데이터와 다른 종류에 속하는 제2 대응 참조 데이터에 기초하여 학습되는 머신 러닝 기반의 행동 추정 모델을 이용하여, 제1 대응 참조 데이터 및 레이블링 대상 센서 데이터 중 적어도 하나로부터 객체의 행동을 추정할 수 있다.
보다 구체적으로, 본 발명의 일 실시예에 따르면, 센서 데이터에 대응되는 제2 대응 참조 데이터는, 특정 객체에 대한 센서(300a)에 의하여 센서 데이터가 측정되는 동안에 그 특정 객체에 대한 위의 센서(300a)의 종류와는 다른 종류의 센서(300b)에 의하여 센싱(예를 들면, 측정, 촬영 등)되는 센서 데이터를 의미할 수 있다. 따라서, 본 발명의 일 실시예에 따르면, 이러한 제2 대응 참조 데이터는 센서 데이터와 그 종류가 다를 수 있다. 한편, 본 발명의 일 실시예에 따르면, 위의 센서 데이터와 레이블링 대상 센서 데이터가 서로 같은 종류에 속할 수 있고, 제1 대응 참조 데이터와 제2 대응 참조 데이터가 서로 같은 종류에 속할 수 있다.
예를 들어, 본 발명의 일 실시예에 따르면, 특정 객체에 착용된 각속도/가속도 센서(300a에 해당할 수 있음)에 의하여 특정 시간 동안에 측정되는 신호 데이터가 센서 데이터에 해당할 수 있다. 그리고, 그 센서 데이터가 측정되는 그 특정 시간 동안에 이미지 센서(300b에 해당할 수 있음)를 이용하여 그 특정 객체를 촬영한 영상 데이터가 그 센서 데이터에 대응되면서 그 센서 데이터와 다른 종류에 속하는 제2 대응 참조 데이터에 해당할 수 있다. 다만, 본 발명의 일 실시예에 따른 센서 데이터와 제2 대응 참조 데이터의 종류는 위에서 설명된 것에 한정되지 않으며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다.
계속하면, 본 발명의 일 실시예에 따르면, 위의 행동 추정 모델은 센서(300a)에 의하여 측정되는 센서 데이터 및 해당 센서 데이터에 대응되면서 해당 센서 데이터와 다른 종류에 속하는 제2 대응 참조 데이터에 기초하여 학습될 수 있다.
예를 들어, 제2 대응 참조 데이터에 영상 데이터가 포함되는 경우를 가정하면, 본 발명의 일 실시예에 따른 행동 추정부(220)는, 객체에 대한 제2 대응 참조 데이터에 포함되는 영상 데이터로부터 해당 객체의 행동을 추정하도록 학습된 영상 분석 모델을 이용하여 해당 객체의 행동을 추정할 수 있다. 그리고, 본 발명의 일 실시예에 따른 행동 추정부(220)는, 그 추정 결과(예를 들면, 객체가 송아지인 경우에 반추, 포유, 음수 등이 이러한 추정 결과에 해당할 수 있음)에 기초하여 제2 대응 데이터에 대응되는 센서 데이터에 대하여 레이블링을 할 수 있다. 본 발명의 일 실시예에 따르면, 이 경우의 레이블링은 예비적인 레이블링을 의미할 수 있다. 그리고, 본 발명의 일 실시예에 따르면, 위의 행동 추정 모델은 위와 같이 (예비적으로) 레이블링된 센서 데이터를 학습 데이터로서 이용하여 센서(300a)에 의하여 측정되는 센서 데이터로부터 객체의 행동을 추정하도록 학습될 수 있다.
한편, 본 발명의 일 실시예에 따른 행동 추정 모델은 다양한 공지의 머신 러닝 알고리즘을 이용하여 구현될 수 있다. 예를 들면, 합성곱 신경망(Convolutional Neural Network; CNN), 순환 신경망(Recurrent Neural Network; RNN) 등과 같은 인공 신경망을 이용하여 구현될 수 있지만, 이에 제한되는 것은 아니다.
다음으로, 본 발명의 일 실시예에 따른 레이블링 관리부(230)는, 본 발명의 일 실시예에 따른 행동 추정부(220)에 의하여 추정되는 객체의 행동을 참조하여 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보를 결정하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 행동 추정부(220)는, 상술한 바와 같이, 레이블링 대상 센서 데이터에 대응되면서 해당 레이블링 대상 센서 데이터와 다른 종류에 속하는 제1 대응 참조 데이터 및 해당 레이블링 대상 센서 데이터 중 적어도 하나로부터 객체의 행동을 추정할 수 있다. 본 발명의 일 실시예에 따른 행동 추정부(220)는, 레이블링 대상 센서 데이터(또는 센서 데이터)로부터 객체의 행동을 추정하는 경우에는 위에서 설명된 행동 추정 모델을 이용할 수 있고, 제1 대응 참조 데이터(또는 제2 대응 참조 데이터)로부터 객체의 행동을 추정하는 경우에는 별도의 분석 또는 추정 모델(예를 들면, 제1 대응 참조 데이터에 영상 데이터가 포함되는 경우에는 위에서 설명된 영상 분석 모델)을 이용할 수 있다.
계속하면, 본 발명의 일 실시예에 따른 레이블링 관리부(230)는, 이렇게 추정되는 객체의 행동을 참조하여 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보를 결정할 수 있다. 본 발명의 일 실시예에 따르면, 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보에는 위의 추정에 따른 결과에 관한 정보가 포함될 수 있다. 예를 들어, 본 발명의 일 실시예에 따르면, 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보에는 추정된 행동의 종류, 그 추정의 정확성 내지 신뢰도 등이 포함될 수 있다.
나아가, 본 발명의 일 실시예에 따른 레이블링 관리부(230)는, 이렇게 결정된 레이블링 센서 데이터에 대한 레이블링에 관한 정보를 참조하여 해당 레이블링 센서 데이터에 대하여 레이블링을 하거나, 그 레이블링에 관한 정보를 해당 레이블링 센서 데이터와 함께 시각적인 방법으로 사용자(예를 들면, 레이블링 센서 데이터에 대하여 레이블링을 수행하는 사람)에게 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 레이블링 관리부(230)는, 레이블링 대상 센서 데이터에 대응되는 제1 대응 참조 데이터로부터 객체의 행동이 추정되지 않는 경우에 해당 레이블링 대상 센서 데이터로부터 추정되는 해당 객체의 행동을 참조하여 해당 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보를 결정할 수 있다.
예를 들어, 레이블링 대상 센서 데이터에 대응되는 제1 대응 참조 데이터에 영상 데이터가 포함되는 경우를 가정하면, 특정 객체가 다른 객체에 의하여 가려지거나 그 특정 객체의 자세가 변함으로써, 제1 대응 참조 데이터로부터 그 특정 객체의 행동을 추정할 수 없는 상황이 발생할 수 있다. 이러한 경우에, 본 발명의 일 실시예에 따른 레이블링 관리부(230)는, 본 발명의 일 실시예에 따른 행동 추정부(220)에 의하여 해당 레이블링 대상 센서 데이터로부터 추정되는 해당 객체의 행동을 참조하여 해당 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보를 결정할 수 있다. 한편, 본 발명의 일 실시예에 따르면, 여기서의 추정은 예비적인 레이블링에 기초하여 학습된 행동 추정 모델을 이용한 추정으로서, 정확도 내지 신뢰도가 충분히 높지 않은 추정(또는 불완전한 추정)에 해당할 수도 있다. 그리고, 본 발명의 일 실시예에 따른 레이블링 관리부(230)는, 사용자가 레이블링 대상 센서 데이터에 대하여 레이블링을 할 수 있도록 위와 같이 결정되는 레이블링에 관한 정보를 해당 사용자에게 제공할 수 있다. 본 발명의 일 실시예에 따르면, 이렇게 함으로써, 제1 대응 참조 데이터로부터 그 특정 객체의 행동을 추정할 수 없는 경우에도 그 제1 대응 참조 데이터나 레이블링 대상 센서 데이터를 버리지 않고 학습 데이터로서 활용할 수 있도록 할 수 있다.
다음으로, 본 발명의 일 실시예에 따른 통신부(240)는 데이터 획득부(210), 행동 추정부(220) 및 레이블링 관리부(230)로부터의/로의 데이터 송수신이 가능하도록 하는 기능을 수행할 수 있다.
마지막으로, 본 발명의 일 실시예에 따른 제어부(250)는 데이터 획득부(210), 행동 추정부(220), 레이블링 관리부(230) 및 통신부(240) 간의 데이터의 흐름을 제어하는 기능을 수행할 수 있다. 즉, 본 발명의 일 실시예에 따른 제어부(250)는 레이블링 지원 시스템(200)의 외부로부터의/로의 데이터 흐름 또는 레이블링 지원 시스템(200)의 각 구성요소 간의 데이터 흐름을 제어함으로써, 데이터 획득부(210), 행동 추정부(220), 레이블링 관리부(230) 및 통신부(240)에서 각각 고유 기능을 수행하도록 제어할 수 있다.
도 3은 본 발명의 일 실시예에 따라 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보가 결정되는 과정을 예시적으로 나타내는 도면이다.
도 3을 참조하면, 본 발명의 일 실시예에 따르면, 레이블링 대상 센서 데이터에 가속도 및/또는 각속도 데이터가 포함되고, 제1 대응 참조 데이터에 영상 데이터가 포함되는 경우를 가정할 수 있다. 이하에서는, 이러한 경우를 가정하여 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보가 결정되는 과정을 예시적으로 설명하기로 한다.
먼저, 본 발명의 일 실시예에 따른 데이터 획득부(210)는, 객체(송아지 또는 소)에 대한 가속도/각속도 센서(300a)에 의하여 측정되는 레이블링 대상 센서 데이터(321)를 획득하는 기능을 수행할 수 있다. 그리고, 본 발명의 일 실시예에 따른 데이터 획득부(210)는, 레이블링 대상 센서 데이터(321)에 대응되는 제1 대응 참조 데이터(310)를 획득할 수 있다. 레이블링 대상 센서 데이터(321) 및 그에 대응되는 제1 대응 참조 데이터(310)는 동일한 시간에 측정 내지 촬영된 것일 수 있으며(330), 본 발명의 일 실시예에 따른 레이블링 관리부(230)는 이러한 정보 내지 데이터를 사용자에게 시각적인 방법으로 제공할 수 있다(310, 320 및 330).
이때, 본 발명의 일 실시예에 따르면, 이러한 레이블링 대상 센서 데이터(321) 및 그에 대응되는 제1 대응 참조 데이터(310)는 객체(송아지 또는 소)의 움직임이 있는 경우(즉, 객체의 행동이 유효한 경우)에만 획득되는 것일 수 있다. 본 발명의 일 실시예에 따르면, 이렇게 함으로써, 사용자가 레이블링 대상 센서 데이터(321)에 대하여 레이블링을 하기 위해서 촬영되는 영상을 모두 재생하는 비효율이 없어지도록 할 수 있다.
계속하면, 본 발명의 일 실시예에 따른 행동 추정부(220)는, 레이블링 대상 센서 데이터(321) 및 그에 대응되는 제1 대응 참조 데이터(310) 중 적어도 하나로부터 객체(송아지 또는 소)의 행동을 추정할 수 있다. 그리고, 본 발명의 일 실시예에 따른 레이블링 관리부(230)는, 이렇게 추정되는 객체의 행동을 참조하여 레이블링 대상 센서 데이터(321)에 대한 레이블링에 관한 정보(322)를 결정할 수 있고, 이를 시각적인 방법으로 사용자에게 제공할 수도 있다(322).
이때, 본 발명의 일 실시예에 따른 레이블링 관리부(230)는, 본 발명의 일 실시예에 따른 행동 추정부(220)에 의하여 제1 대응 참조 데이터(310)로부터 객체(송아지 또는 소)의 행동이 추정되지 않는 경우에 레이블링 대상 센서 데이터(321)로부터 추정(정확도 내지 신뢰도가 충분히 높지 않은 추정 또는 불완전한 추정일 수 있음)되는 객체(송아지 또는 소)의 행동을 참조하여 레이블링 대상 센서 데이터(321)에 대한 레이블링에 관한 정보(322)를 결정할 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 통신망
200: 레이블링 지원 시스템
210: 데이터 획득부
220: 행동 추정부
230: 레이블링 관리부
240: 통신부
250: 제어부
300a: 센서
300b: 300a와 다른 종류의 센서
400: 디바이스
200: 레이블링 지원 시스템
210: 데이터 획득부
220: 행동 추정부
230: 레이블링 관리부
240: 통신부
250: 제어부
300a: 센서
300b: 300a와 다른 종류의 센서
400: 디바이스
Claims (13)
- 센서 데이터에 대한 레이블링(labeling)을 지원하기 위한 방법으로서,
객체에 대한 센서에 의하여 측정되는 레이블링 대상 센서 데이터를 획득하는 단계, 및
상기 레이블링 대상 센서 데이터에 대응되면서 상기 레이블링 대상 센서 데이터와 다른 종류에 속하는 제1 대응 참조 데이터 및 상기 레이블링 대상 센서 데이터 중 적어도 하나로부터 추정되는 상기 객체의 행동을 참조하여 상기 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보를 결정하는 단계를 포함하는
방법. - 제1항에 있어서,
상기 획득 단계에서, 상기 센서에 의하여 측정되는 센서 데이터 및 상기 센서 데이터에 대응되면서 상기 센서 데이터와 다른 종류에 속하는 제2 대응 참조 데이터 중 적어도 하나로부터 상기 객체의 행동을 추정하고, 상기 추정되는 객체의 행동이 유효한 경우에 상기 센서 데이터를 상기 레이블링 대상 센서 데이터로서 획득하는
방법. - 제1항에 있어서,
상기 결정 단계에서, 상기 센서에 의하여 측정되는 센서 데이터 및 상기 센서 데이터에 대응되면서 상기 센서 데이터와 다른 종류에 속하는 제2 대응 참조 데이터에 기초하여 학습되는 머신 러닝 기반의 행동 추정 모델을 이용하여 상기 객체의 행동을 추정하는
방법. - 제1항에 있어서,
상기 결정 단계에서, 상기 제1 대응 참조 데이터로부터 상기 객체의 행동이 추정되지 않는 경우에 상기 레이블링 대상 센서 데이터로부터 추정되는 상기 객체의 행동을 참조하여 상기 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보를 결정하는
방법. - 제4항에 있어서,
상기 제1 대응 참조 데이터는 상기 객체에 대한 영상 데이터를 포함하고,
상기 결정 단계에서, 상기 객체가 다른 객체에 의하여 가려지거나 상기 객체의 자세가 변함에 따라 상기 객체의 행동이 추정되지 않는
방법. - 제4항에 있어서,
상기 제1 대응 참조 데이터로부터 상기 객체의 행동이 추정되지 않는 경우에 사용자가 상기 레이블링 대상 센서 데이터에 대하여 레이블링을 할 수 있도록 상기 결정되는 레이블링에 관한 정보를 상기 사용자에게 제공하는 단계를 더 포함하는
방법. - 제1항에 따른 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능 기록 매체.
- 센서 데이터에 대한 레이블링(labeling)을 지원하기 위한 시스템으로서,
객체에 대한 센서에 의하여 측정되는 레이블링 대상 센서 데이터를 획득하는 데이터 획득부,
상기 레이블링 대상 센서 데이터에 대응되면서 상기 레이블링 대상 센서 데이터와 다른 종류에 속하는 제1 대응 참조 데이터 및 상기 레이블링 대상 센서 데이터 중 적어도 하나로부터 상기 객체의 행동을 추정하는 행동 추정부, 및
상기 추정되는 객체의 행동을 참조하여 상기 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보를 결정하는 레이블링 관리부를 포함하는
시스템. - 제8항에 있어서,
상기 행동 추정부는, 상기 센서에 의하여 측정되는 센서 데이터 및 상기 센서 데이터에 대응되면서 상기 센서 데이터와 다른 종류에 속하는 제2 대응 참조 데이터 중 적어도 하나로부터 상기 객체의 행동을 추정하고,
상기 데이터 획득부는, 상기 추정되는 객체의 행동이 유효한 경우에 상기 센서 데이터를 상기 레이블링 대상 센서 데이터로서 획득하는
시스템. - 제8항에 있어서,
상기 행동 추정부는, 상기 센서에 의하여 측정되는 센서 데이터 및 상기 센서 데이터에 대응되면서 상기 센서 데이터와 다른 종류에 속하는 제2 대응 참조 데이터에 기초하여 학습되는 머신 러닝 기반의 행동 추정 모델을 이용하여 상기 객체의 행동을 추정하는
시스템. - 제8항에 있어서,
상기 레이블링 관리부는, 상기 제1 대응 참조 데이터로부터 상기 객체의 행동이 추정되지 않는 경우에 상기 레이블링 대상 센서 데이터로부터 추정되는 상기 객체의 행동을 참조하여 상기 레이블링 대상 센서 데이터에 대한 레이블링에 관한 정보를 결정하는
시스템. - 제11항에 있어서,
상기 제1 대응 참조 데이터는 상기 객체에 대한 영상 데이터를 포함하고,
상기 객체가 다른 객체에 의하여 가려지거나 상기 객체의 자세가 변함에 따라 상기 객체의 행동이 추정되지 않는
시스템. - 제11항에 있어서,
상기 레이블링 관리부는, 상기 제1 대응 참조 데이터로부터 상기 객체의 행동이 추정되지 않는 경우에 사용자가 상기 레이블링 대상 센서 데이터에 대하여 레이블링을 할 수 있도록 상기 결정되는 레이블링에 관한 정보를 상기 사용자에게 제공하는
시스템.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210167740A KR20230080219A (ko) | 2021-11-29 | 2021-11-29 | 센서 데이터에 대한 레이블링을 지원하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| PCT/KR2022/019022 WO2023096451A1 (ko) | 2021-11-29 | 2022-11-29 | 센서 데이터에 대한 레이블링을 지원하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210167740A KR20230080219A (ko) | 2021-11-29 | 2021-11-29 | 센서 데이터에 대한 레이블링을 지원하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230080219A true KR20230080219A (ko) | 2023-06-07 |
Family
ID=86540170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210167740A KR20230080219A (ko) | 2021-11-29 | 2021-11-29 | 센서 데이터에 대한 레이블링을 지원하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR20230080219A (ko) |
| WO (1) | WO2023096451A1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101879735B1 (ko) | 2017-03-15 | 2018-07-18 | (주)넥셀 | 자동적인 학습데이터 생성 방법 및 장치와 이를 이용하는 자가 학습 장치 및 방법 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6678413B1 (en) * | 2000-11-24 | 2004-01-13 | Yiqing Liang | System and method for object identification and behavior characterization using video analysis |
| KR20210001869A (ko) * | 2019-06-28 | 2021-01-06 | (주)하이디어 솔루션즈 | 사용자 생활 상태 모니터링 관리 장치 및 이의 제어 방법 |
| KR20210067442A (ko) * | 2019-11-29 | 2021-06-08 | 엘지전자 주식회사 | 객체 인식을 위한 자동 레이블링 장치 및 방법 |
| KR102486761B1 (ko) * | 2020-03-12 | 2023-01-11 | (주)씽크포비엘 | 가축의 개체별 이상 징후 포착 시스템 및 그 이용 방법 |
| KR102624927B1 (ko) * | 2020-03-12 | 2024-01-15 | (주)씽크포비엘 | 가축의 설사 탐지 및 설사 위험도 예측 시스템 및 그 이용 방법 |
-
2021
- 2021-11-29 KR KR1020210167740A patent/KR20230080219A/ko not_active Application Discontinuation
-
2022
- 2022-11-29 WO PCT/KR2022/019022 patent/WO2023096451A1/ko active Application Filing
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101879735B1 (ko) | 2017-03-15 | 2018-07-18 | (주)넥셀 | 자동적인 학습데이터 생성 방법 및 장치와 이를 이용하는 자가 학습 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023096451A1 (ko) | 2023-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108922622B (zh) | 一种动物健康监测方法、装置及计算机可读存储介质 | |
| US10667496B2 (en) | Bovine rumination and estrus prediction system (BRES) and method | |
| US20200093460A1 (en) | Method, device, ultrasonic probe and terminal for adjusting detection position | |
| KR20190088375A (ko) | 수술영상데이터 학습시스템 | |
| JP7108941B2 (ja) | 動物情報管理システム、及び、動物情報管理方法 | |
| CN109465819A (zh) | 人体识别系统及人体识别方法 | |
| KR20220068711A (ko) | 영상 기반 가축의 급이 행동 분석 장치 및 방법 | |
| CA3230401A1 (en) | Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes | |
| US11482046B2 (en) | Action-estimating device | |
| KR20230080219A (ko) | 센서 데이터에 대한 레이블링을 지원하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
| JP6395295B2 (ja) | 動物の行動判別装置及び行動判別方法、プログラム | |
| US20200226787A1 (en) | Information processing apparatus, information processing method, and program | |
| CN109460077B (zh) | 一种自动跟踪方法、自动跟踪设备及自动跟踪系统 | |
| JP2019204464A (ja) | 行動推定装置 | |
| US20220354091A1 (en) | Animal information management system and animal information management method | |
| CN114723659A (zh) | 穴位检测效果确定方法、装置及电子设备 | |
| KR102362906B1 (ko) | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
| CN104905764A (zh) | 一种基于fpga的高速视线跟踪方法 | |
| CN115004186A (zh) | 三维（3d）建模 | |
| KR102664982B1 (ko) | 객체를 모니터링하기 위한 방법, 에지 컴퓨팅 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
| JP2016042843A (ja) | 乗駕行動検出装置及び乗駕行動検出方法、プログラム | |
| US20240136067A1 (en) | Method, system, and non-transitory computer-readable recording medium for monitoring object | |
| JP2020092370A (ja) | 撮影制御装置、撮影システム及び撮影制御方法 | |
| KR102551815B1 (ko) | 머신 러닝 모델을 이용하는 두피 분석에 필요한 데이터를 생성하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
| KR102176769B1 (ko) | 사용자의 행동 특징을 기반으로 센서 데이터를 보정하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |