WO2019074257A1 - 사용자 발화를 처리하는 전자 장치 및 서버 - Google Patents

사용자 발화를 처리하는 전자 장치 및 서버 Download PDF

Info

Publication number
WO2019074257A1
WO2019074257A1 PCT/KR2018/011851 KR2018011851W WO2019074257A1 WO 2019074257 A1 WO2019074257 A1 WO 2019074257A1 KR 2018011851 W KR2018011851 W KR 2018011851W WO 2019074257 A1 WO2019074257 A1 WO 2019074257A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
image
module
text
user
Prior art date
Application number
PCT/KR2018/011851
Other languages
English (en)
French (fr)
Inventor
이서영
손주영
조정찬
신대규
김지현
박지윤
이다솜
Original Assignee
삼성전자 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 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to EP18865649.0A priority Critical patent/EP3678132A4/en
Priority to US16/753,234 priority patent/US20200326832A1/en
Publication of WO2019074257A1 publication Critical patent/WO2019074257A1/ko

Links

Images

Classifications

    • 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
    • G10L15/28—Constructional details of speech recognition systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/04842—Selection of displayed objects or displayed text elements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/542—Event management; Broadcasting; Multicasting; Notifications
    • 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
    • G06V10/17—Image acquisition using hand-held instruments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • 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
    • G10L15/04—Segmentation; Word boundary detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/236—Assembling of a multiplex stream, e.g. transport stream, by combining a video stream with other content or additional data, e.g. inserting a URL [Uniform Resource Locator] into a video stream, multiplexing software data into a video stream; Remultiplexing of multiplex streams; Insertion of stuffing bits into the multiplex stream, e.g. to obtain a constant bit-rate; Assembling of a packetised elementary stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/236—Assembling of a multiplex stream, e.g. transport stream, by combining a video stream with other content or additional data, e.g. inserting a URL [Uniform Resource Locator] into a video stream, multiplexing software data into a video stream; Remultiplexing of multiplex streams; Insertion of stuffing bits into the multiplex stream, e.g. to obtain a constant bit-rate; Assembling of a packetised elementary stream
    • H04N21/23614—Multiplexing of additional data and video streams
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25808—Management of client data
    • H04N21/25841—Management of client data involving the geographical location of the client
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H04N23/631—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters
    • H04N23/632—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters for displaying or modifying preview images prior to image capturing, e.g. variety of image resolutions or capturing parameters

Definitions

  • the embodiments disclosed herein relate to techniques for handling user utterances.
  • Recent electronic devices can support a variety of input methods, such as voice input, in addition to traditional input methods using a keyboard or a mouse.
  • electronic devices such as a smart phone and a tablet provide a service for receiving a user voice and performing an operation corresponding to the inputted user voice.
  • Such speech recognition services are being developed based on technologies for processing natural language.
  • the technology that processes natural language is a technology that grasps the intention of the user utterance and provides the service to the user by calculating the result according to the intention of the user.
  • the electronic device When the electronic device receives and processes the user utterance, only the result corresponding to the user utterance is acquired and provided to the user, the electronic device can not organically process the current state of the electronic device or the currently provided service and the inputted user input .
  • the electronic device may perform a task by separately receiving a user input for selecting an object on the image when processing a task associated with an object contained on the image displayed on the display.
  • the task can be performed by separately receiving a user input for selecting one of the plurality of objects on the image.
  • Various embodiments of the present invention seek to propose an electronic device that analyzes an image to recognize an object on the image, generates information related to the recognized object, and provides the information to a user.
  • An electronic device includes a housing; A speaker located in a first portion of the housing; A microphone positioned in a second portion of the housing; A touch screen display located in a third portion of the housing; A communication circuit located inside the housing or attached to the housing; A processor located within the housing and operatively coupled to the speaker, the microphone, the display, and the communication circuitry; And a memory located within the housing and operatively coupled to the processor, wherein when an instruction stored in the memory is executed, the processor causes the processor to display an image including at least one object on the display And receiving a first user input via at least one of the display or the microphone, wherein the first user input comprises a request to perform a task associated with at least one object on the image, Transmit the first data associated with the first user input to a first external server via a communication circuit and receive a first response from the first external server via the communication circuit, And a second text associated with the object, Transmitting a second data associated with the first text to a second external server, receiving a second
  • a server for processing an image includes a network interface; A processor operatively coupled to the network interface; And a memory coupled operatively to the processor and including at least one database in which information related to the object is stored, wherein when the stored instructions are executed in the memory,
  • a computer-readable medium comprising computer-executable instructions for receiving an image comprising at least one object from an electronic device and first data associated with a first text, the first text being associated with the at least one object, Acquiring information about the recognized at least one object from the database, generating a second text using the acquired information and the first text, and transmitting the generated second text to the external And can be transmitted to the electronic device.
  • an electronic device when an electronic device receives a user utterance associated with an object on an image, the electronic device analyzes the image through the vision server, recognizes the object on the image, and generates information related to the recognized object It is possible to organically process the image displayed on the screen and the user's utterance.
  • the electronic device recognizes the category of the object on the image and generates information about the object on the image by using the recognized category and user utterance information, thereby efficiently providing the information of the object related to the user input.
  • the electronic device when the electronic device includes a plurality of objects in the image, the electronic device recognizes a specific object included in the user input, selects one of the plurality of objects, and provides information of the selected object to the user.
  • FIG. 1 is a diagram of an integrated intelligence system in accordance with various embodiments.
  • FIG. 2 is a block diagram illustrating a user terminal of an integrated intelligent system according to one embodiment.
  • FIG. 3 is a diagram illustrating the execution of an intelligent app of a user terminal in accordance with one embodiment.
  • FIG. 4 is a block diagram illustrating an intelligent server of an integrated intelligence system according to one embodiment.
  • FIG. 5 is a diagram illustrating a method for generating a natural language understanding (NLU) path rule according to an exemplary embodiment of the present invention.
  • NLU natural language understanding
  • FIG. 6 is a block diagram illustrating an intelligent vision system in accordance with one embodiment.
  • FIG. 7 is a diagram illustrating a process in which an intelligent vision system according to an embodiment processes user utterance.
  • FIGS. 8, 9 and 10 illustrate an intelligent vision system, according to an embodiment, determining an area of interest of an image.
  • FIG. 11 is a diagram illustrating a process of classifying categories of objects included in an image and providing information in a vision server according to an exemplary embodiment.
  • FIG. 12 is a sequence diagram of an intelligent vision system according to an embodiment for processing a user utterance associated with a preview image.
  • FIG. 13 is a sequence diagram in which an intelligent vision system according to one embodiment processes a user utterance associated with an image.
  • FIG. 14 is a diagram illustrating a process of classifying categories of objects included in an image and providing information in an intelligent server according to an exemplary embodiment.
  • FIG. 15 is a sequence diagram of an intelligent vision system according to an embodiment for processing a user utterance related to a preview image through a camera app.
  • 16 is a sequence diagram of an intelligent vision system according to an embodiment for processing a user utterance related to an image through a gallery app.
  • FIG. 17 shows a block diagram of an electronic device in a network environment according to various embodiments.
  • FIG. 1 is a diagram of an integrated intelligence system in accordance with various embodiments of the present invention.
  • the integrated intelligent system 10 may include a user terminal 100, an intelligent server 200, a personalization information server 300, or a proposal server 400.
  • the user terminal 100 can receive a service required by the user through an app stored in the user terminal 100 (or an application program) (e.g., an alarm app, a message app, a photo (gallery) Can be provided.
  • the user terminal 100 may execute and operate another application through an intelligent app (or a voice recognition app) stored in the user terminal 100.
  • the user terminal 100 can receive the user input for executing the other application and executing the operation through the intelligent app.
  • the user input may be received via, for example, a physical button, a touchpad, a voice input, a remote input, or the like.
  • the user terminal 100 may correspond to various terminal devices (or electronic devices) such as a mobile phone, a smart phone, a personal digital assistant (PDA), or a notebook computer.
  • PDA personal digital assistant
  • the user terminal 100 may receive the user's utterance as a user input.
  • the user terminal 100 may receive a user's utterance and generate an instruction to operate the app based on the utterance of the user. Accordingly, the user terminal 100 can operate the application using the command.
  • the intelligent server 200 can receive user voice input from the user terminal 100 through a communication network and change the text data into text data.
  • the intelligent server 200 may generate (or select) a path rule based on the text data.
  • the pass rule may include information about an action (or an operation) for performing the function of the app or information about a parameter necessary for executing the action.
  • the pass rule may include a sequence of the actions of the app.
  • the user terminal 100 may receive the pass rule, select an app according to the pass rule, and execute the action included in the pass rule in the selected app.
  • the term " path rule " in this document may generally refer to a sequence of states for an electronic device to perform a task requested by a user, but is not limited thereto.
  • the pass rule may include information about a sequence of states.
  • the task may be, for example, any action an intelligent app can provide.
  • the task may include creating a schedule, sending a photo to a desired party, or providing weather information.
  • the user terminal 100 can perform the task by sequentially having at least one state (e.g., an operating state of the user terminal 100).
  • the pass rules may be provided or generated by an artificial intelligent (AI) system.
  • the artificial intelligence system may be a rule-based system, a neural network-based system such as a feedforward neural network (FNN), a recurrent neural network (RNN) ))). Or a combination of the foregoing or any other artificial intelligence system.
  • a path rule may be selected from a set of predefined path rules, or may be generated in real time in response to a user request.
  • the artificial intelligence system can select at least a path rule out of a plurality of predefined path rules, or generate a pass rule in a dynamic (or real time) manner.
  • the user terminal 100 may use a hybrid system to provide path rules.
  • the user terminal 100 may execute the operation and display a screen corresponding to the state of the user terminal 100 that performed the operation on the display.
  • the user terminal 100 may execute the operation and may not display the result of performing the operation on the display.
  • the user terminal 100 may, for example, execute a plurality of operations and display only some of the results of the operations on the display.
  • the user terminal 100 can display, for example, only the result of executing the last sequence of operations on the display.
  • the user terminal 100 may receive a user's input and display the result of performing the operation on the display.
  • the personalization information server 300 may include a database storing user information.
  • the personalization information server 300 may receive user information (e.g., context information, application execution, etc.) from the user terminal 100 and store the information in the database.
  • the intelligent server 200 can be used when receiving the user information from the personalization information server 300 through a communication network and generating a pass rule for user input.
  • the user terminal 100 can receive user information from the personalization information server 300 via a communication network and use the information as information for managing the database.
  • the proposal server 400 may include a database in which information about an introduction of a function or an application or a function to be provided is stored in the terminal.
  • the proposal server 400 may receive a user information of the user terminal 100 from the personalization information server 300 and include a database of functions that the user can use.
  • the user terminal 100 may receive information on the function to be provided from the proposal server 400 through a communication network and provide information to the user.
  • FIG. 2 is a block diagram illustrating a user terminal of an integrated intelligent system according to an embodiment of the present invention.
  • a user terminal 100 may include an input module 110, a display 120, a speaker 130, a memory 140, or a processor 150.
  • the user terminal 100 may further include a housing, and the configurations of the user terminal 100 may be placed on the inside of the housing or on the housing.
  • the user terminal 100 may further include a communication circuit located inside the housing.
  • the user terminal 100 can exchange data (or information) with an external server (e.g., the intelligent server 200) through the communication circuit.
  • input module 110 may receive user input from a user.
  • input module 110 may receive user input from a connected external device (e.g., keyboard, headset).
  • input module 110 may include a touch screen (e.g., a touch screen display) coupled with display 120.
  • the input module 110 may include a hardware key (or physical key) located at the user terminal 100 (or the housing of the user terminal 100).
  • the input module 110 may include a microphone capable of receiving a user's utterance as a speech signal.
  • the input module 110 may include a speech input system, and may receive a speech of a user via the speech input system.
  • the microphone may be located, for example, in a portion (e.g., a first portion) of the housing.
  • the display 120 may display an image of an image, video, and / or application executable.
  • the display 120 may display a graphical user interface (GUI) of the app.
  • GUI graphical user interface
  • the display 120 may be located at a portion (e.g., a second portion) of the housing.
  • the speaker 130 may output a voice signal.
  • the speaker 130 may output a voice signal generated inside the user terminal 100 to the outside.
  • the speaker 130 may be located at a portion (e.g., a third portion) of the housing.
  • the memory 140 may store a plurality of applications (or application program application programs) 141 and 143.
  • the plurality of apps 141 and 143 may be, for example, a program for performing a function corresponding to a user input.
  • the memory 140 may store the intelligent agent 145, the execution manager module 147, or the intelligent service module 149.
  • the intelligent agent 145, the execution manager module 147 and the intelligent service module 149 may be implemented as a framework for processing received user input (e.g., user utterances) (application framework).
  • the memory 140 may include a database capable of storing information necessary to recognize user input.
  • the memory 140 may include a log database capable of storing log information.
  • the memory 140 may include a persona database capable of storing user information.
  • the memory 140 stores a plurality of apps 141 and 143, and a plurality of apps 141 and 143 can be loaded and operated.
  • a plurality of applications 141 and 143 stored in the memory 140 can be loaded and operated by the execution manager module 147.
  • the plurality of apps 141 and 143 may include execution service modules 141a and 143a that perform functions.
  • a plurality of apps 141, 143 may execute a plurality of actions (e.g., sequences of states) 141b, 143b through execution service modules 141a, 143a to perform a function.
  • the execution service modules 141a and 143a are activated by the execution manager module 147 and can execute a plurality of operations 141b and 143b.
  • the execution status screen when the operations 141b and 143b of the applications 141 and 143 are executed, the execution status screen according to the execution of the operations 141b and 143b may be displayed on the display 120.
  • the execution status screen may be, for example, a screen in which operations 141b and 143b are completed.
  • the execution status screen may be, for example, a screen in which partial execution of operations 141b and 143b is stopped (e.g., when parameters necessary for operations 141b and 143b are not input) .
  • the execution service module 141a, 143a may execute operations 141b, 143b in accordance with a path rule.
  • the execution service module 141a, 143a is activated by the execution manager module 147, receives an execution request according to the pass rule from the execution manager module 147, And 143b, the functions of the apps 141 and 143 can be executed.
  • the execution service modules 141a and 143a may transmit the completion information to the execution manager module 147 when the operations 141b and 143b are completed.
  • the plurality of operations 141b and 143b can be executed sequentially.
  • the execution service modules 141a and 143a perform the following operations (for example, the first application 141 and the second application 143) when execution of one operation (for example, operation 1 of the first application 141 and operation 1 of the second application 143) (Operation 2 of the second application 143 and operation 2 of the second application 143) and transmits the completion information to the execution manager module 147.
  • opening an arbitrary operation can be understood as transitioning an arbitrary operation to an executable state or preparing for execution of an arbitrary operation. In other words, if an operation is not opened, the operation can not be executed.
  • the execution manager module 147 can transmit an execution request for the next operation (for example, operation 2 of the first application 141 and operation 2 of the second application 143) to the execution service module when the completion information is received .
  • a plurality of apps 141 and 143 can be sequentially executed. For example, when the execution of the last operation of the first application 141 (for example, operation 3 of the first application 141) is completed and the completion information is received, the execution manager module 147 transmits the completion information to the second application 143, (E.g., operation 1 of the second application 143) to the execution service 143a.
  • a result screen corresponding to execution of each of the plurality of executed operations 141b and 143b is displayed on the display 120 Can be displayed.
  • only a part of a plurality of result screens resulting from the execution of the plurality of executed operations 141b and 143b may be displayed on the display 120.
  • the memory 140 may store an intelligent app (e.g., a voice recognition app) associated with the intelligent agent 145.
  • An application associated with the intelligent agent 145 can receive and process a user's utterance as a voice signal.
  • an application associated with the intelligent agent 145 is operated by a particular input (e.g., input via a hardware key, input via a touch screen, specific voice input) input via the input module 110 .
  • the intelligent agent 145, execution manager module 147, or intelligent service module 149 stored in the memory 140 may be executed by the processor 150.
  • the functions of the intelligent agent 145, execution manager module 147, or intelligent service module 149 may be implemented by the processor 150.
  • the functions of the intelligent agent 145, the execution manager module 147 and the intelligent service module 149 will be described by the operation of the processor 150.
  • the intelligent agent 145, execution manager module 147, or intelligent service module 149 stored in the memory 140 may be implemented in hardware as well as software.
  • the processor 150 may control the overall operation of the user terminal 100.
  • the processor 150 may control the input module 110 to receive user input.
  • the processor 150 may control the display 120 to display an image.
  • the processor 150 may control the speaker 130 to output a voice signal.
  • the processor 150 may control the memory 140 to execute the program and retrieve or store the necessary information.
  • the processor 150 may be operatively coupled to the input module 110, the display 120, the speaker 130 and the memory 140.
  • the processor 150 may be electrically coupled to the input module 110, the display 120, the speaker 130, and the memory 140.
  • the processor 150 may execute the intelligent agent 145, the execution manager module 147, or the intelligent service module 149 stored in the memory 140. Accordingly, the processor 150 may implement the functions of the intelligent agent 145, the execution manager module 147, or the intelligent service module 149.
  • the processor 150 may execute the intelligent agent 145 to generate an instruction to operate the app based on the voice signal received at the user input.
  • the processor 150 may execute the execution manager module 147 to execute the apps 141 and 143 stored in the memory 140 according to the generated command.
  • the processor 150 may execute the intelligent service module 149 to manage user information and process user input using the information of the user.
  • Processor 150 may execute intelligent agent 145 to send user input received via input module 110 to intelligent server 200 and process the user input through intelligent server 200.
  • the processor 150 may execute the intelligent agent 145 to pre-process the user input before transmitting the user input to the intelligent server 200.
  • the intelligent agent 145 may include an adaptive echo canceller (AEC) module, a noise suppression (NS) module, an end-point detection (EPD) module or an automatic gain control (AGC) module.
  • the adaptive echo canceller may remove an echo included in the user input.
  • the noise suppression module may suppress background noise included in the user input.
  • the end point detection module detects the end point of the user voice included in the user input and can use the detected end point to find the portion where the user's voice exists.
  • the automatic gain control module may recognize the user input and adjust the volume of the user input to be suitable for processing the recognized user input.
  • the processor 150 may execute all of the preprocessing configurations for performance, while in other embodiments, the processor 150 may execute some of the preprocessing configurations to operate at low power.
  • the intelligent agent 145 may execute a wake up recognition module stored in the memory 140 to recognize the user's call. Accordingly, the processor 150 can recognize the wake-up command of the user via the wake-up recognition module and execute the intelligent agent 145 to receive the user input when the wakeup command is received .
  • the wake-up recognition module may be implemented with a low-power processor (e.g., a processor included in an audio codec).
  • the processor 150 may execute the intelligent agent 145 when it receives user input via a hardware key.
  • an intelligent app e.g., a voice recognition app associated with the intelligent agent 145 may be executed.
  • the intelligent agent 145 may include a speech recognition module for performing user input.
  • the processor 150 may recognize a user input to cause the application to perform an action through the speech recognition module.
  • the processor 150 may receive a limited user (voice) input (e.g., a photographing operation when the camera app is running) that performs an action, such as the wake-up command, Such as " click "
  • the processor 150 may assist the intelligent server 200 and recognize the user command that can be processed in the user terminal 100 through the voice recognition module and perform quick processing.
  • the voice recognition module of the intelligent agent 145 for executing user input may be implemented in an app processor.
  • the voice recognition module of the intelligent agent 145 may recognize the user input using an algorithm for voice recognition.
  • the algorithm used to recognize the speech may be at least one of, for example, a hidden markov model (HMM) algorithm, an artificial neural network (ANN) algorithm, or a dynamic time warping (DTW) algorithm.
  • HMM hidden markov model
  • ANN artificial neural network
  • DTW dynamic time warping
  • the processor 150 may execute the intelligent agent 145 to convert the user's speech input into text data. For example, the processor 150 may transmit the user's voice to the intelligent server 200 via the intelligent agent 145 and may receive the textual data corresponding to the user's voice from the intelligent server 200. [ Accordingly, the processor 150 may display the converted text data on the display 120. [
  • the processor 150 may execute the intelligent agent 145 to receive path rules from the intelligent server 200. According to one embodiment, the processor 150 may communicate the pass rule to the execution manager module 147 via the intelligent agent 145.
  • the processor 150 executes the intelligent agent 145 to pass an execution result log according to the path rules received from the intelligent server 200 to the intelligence service module 149 And the delivered execution result log may be accumulated and managed in the preference information of the user of the persona manager 149b.
  • the processor 150 executes the execution manager module 147 to receive the path rules from the intelligent agent 145 to execute the apps 141 and 143, It is possible to execute the operations 141b and 143b included in the rule. For example, the processor 150 can transmit command information (e.g., path rule information) for executing operations 141b and 143b to the apps 141 and 143 via the execution manager module 147, The completion information of the operations 141b and 143b can be received from the apps 141 and 143.
  • command information e.g., path rule information
  • the processor 150 executes the execution manager module 147 to execute the operations 141b and 143b of the applications 141 and 143 between the intelligent agent 145 and the applications 141 and 143 (E.g., path rule information) to be transmitted.
  • the processor 150 binds the applications 141 and 143 to be executed according to the path rule through the execution manager module 147 and sets the command information of the operations 141b and 143b included in the path rule Path rule information) to the apps 141 and 143.
  • the processor 150 sequentially transmits the actions 141b and 143b included in the pass rule to the apps 141 and 143 through the execution manager module 147, (141b, 143b) can be sequentially executed in accordance with the path rule.
  • the processor 150 may execute the execution manager module 147 to manage the execution states of the operations 141b and 143b of the applications 141 and 143.
  • the processor 150 may receive information on the execution status of the operations 141b and 143b from the apps 141 and 143 via the execution manager module 147.
  • the processor 150 executes
  • the manager module 147 may pass information about the suspended state to the intelligent agent 145.
  • the processor 150 may request the user to input necessary information (e.g., parameter information) using the received information through the intelligent agent 145.
  • the processor 150 may receive speech from the user via the intelligent agent 145 if the execution state of the actions 141b and 143b is another, for example, an operational state.
  • the processor 150 may communicate information about the execution status of the applications 141 and 143 and the applications 141 and 143 to the intelligent agent 145 through the execution manager module 147.
  • the processor 150 may send the user utterance to the intelligent server 200 via the intelligent agent 145.
  • the processor 150 may receive parameter information of the user's utterance from the intelligent server 200 via the intelligent agent 145.
  • the processor 150 may communicate the received parameter information to the execution manager module 147 via the intelligent agent 145.
  • the execution manager module 147 can change the parameters of the operations 141b and 143b to new parameters using the received parameter information.
  • the processor 150 may execute the execution manager module 147 to transfer the parameter information contained in the path rule to the apps 141 and 143.
  • the execution manager module 147 can transmit parameter information included in the path rule from one application to another.
  • the processor 150 may execute the execution manager module 147 to receive a plurality of pass rules.
  • the processor 150 may select a plurality of pass rules based on the user's utterance via the execution manager module 147.
  • the processor 150 may determine that the user's utterance via the execution manager module 147 specifies some apps 141 that will perform some actions 141a, but other apps 143 that will execute the remaining actions 143b If not specified, a different app 143 (e.g., a message app, a telegram app) that can execute the same app 141 (e.g., a gallery app) ) Can be received, respectively.
  • a different app 143 e.g., a message app, a telegram app
  • the same app 141 e.g., a gallery app
  • the processor 150 may execute the same operations 141b and 143b (e.g., the same successive operations 141b and 143b) of the plurality of pass rules via the execution manager module 147, for example.
  • the processor 150 displays a status screen on the display 120 through which the different applications 141 and 143 included in the plurality of path rules can be selected through the execution manager module 147 Can be displayed.
  • the intelligent service module 149 may include a context module 149a, a persona module 149b, or a suggestion module 149c.
  • the processor 150 may execute the context module 149a to collect the current status of the apps 141 and 143 from the apps 141 and 143.
  • the processor 150 executes the context module 149a to receive the context information indicating the current status of the apps 141 and 143, and displays the current status of the apps 141 and 143 Can be collected.
  • the processor 150 may execute the persona module 149b to manage the personal information of the user using the user terminal 100.
  • the processor 150 executes the persona module 149b to collect usage information and performance results of the user terminal 100, and collects usage information and performance results of the user terminal 100, The personal information of the user can be managed.
  • the processor 150 may execute the proposal module 149c to predict the user's intention and recommend the command to the user based on the intention of the user.
  • the processor 150 may run the suggestion module 149c to recommend commands to the user based on the user's current state (e.g., time, location, context, app).
  • FIG. 3 is a diagram illustrating execution of an intelligent app of a user terminal according to an embodiment of the present invention.
  • the user terminal 100 receives user input and executes an intelligent application (e.g., a voice recognition application) associated with the intelligent agent 145.
  • an intelligent application e.g., a voice recognition application
  • the user terminal 100 may execute an intelligent app for voice recognition via the hardware key 112.
  • the user terminal 100 may display the user interface (UI) 121 of the intelligent app on the display 120 when the user input is received via the hardware key 112.
  • the user can touch the voice recognition button 121a to the UI 121 of the intelligent app to input (111b) voice, for example, while the UI 121 of the intelligent app is displayed on the display 120 .
  • the user may, for example, continue to press the hardware key 112 to enter voice 120b to enter voice 120b.
  • the user terminal 100 may execute an intelligent app for recognizing voice through the microphone 111.
  • the user terminal 100 displays the UI 121 of the intelligent app on the display 120 when a voice (e.g., wake up!) Designated via the microphone 111 is input 111a can do.
  • FIG. 4 is a block diagram illustrating an intelligent server of an integrated intelligence system according to one embodiment.
  • the intelligent server 200 includes an automatic speech recognition (ASR) module 210, a natural language understanding (NLU) module 220, a path planner module 220, A dialogue manager (DM) module 240, a natural language generator (NLG) module 250 or a text to speech (TTS) module 260 can do.
  • the intelligent server 200 may include a communication circuit, a memory, and a processor.
  • the processor includes an automatic speech recognition module 210, a natural language understanding module 220, a path planner module 230, a dialogue manager module 240, a natural language creation module 250, and a text / speech conversion module 260, To execute the function.
  • the intelligent server 200 can send and receive data (or information) with an external electronic device (e.g., the user terminal 100) through the communication circuit.
  • the natural language understanding module 220 or the path planner module 230 of the intelligent server 200 may generate a path rule.
  • an automatic speech recognition (ASR) module 210 may convert user input received from the user terminal 100 into text data.
  • ASR automatic speech recognition
  • the automatic speech recognition module 210 may convert user input received from the user terminal 100 into text data.
  • the automatic speech recognition module 210 may include a speech recognition module.
  • the speech recognition module may include an acoustic model and a language model.
  • the acoustic model may include information related to speech
  • the language model may include information on a combination of unit phoneme information and unit phoneme information.
  • the speech recognition module may convert user speech into text data using information on vocalization and information on unit phonemic information.
  • the information about the acoustic model and the language model may be stored in, for example, an automatic speech recognition database (ASR DB)
  • ASR DB automatic speech recognition database
  • the natural language understanding module 220 can perform a syntactic analysis or a semantic analysis to grasp a user's intention.
  • the grammatical analysis can divide the user input into grammatical units (e.g., words, phrases, morphemes, etc.) and determine what grammatical elements the divided units have.
  • the semantic analysis can be performed using semantic matching, rule matching, formula matching, or the like. Accordingly, the natural language understanding module 220 may obtain a domain (domain), an intent, or a parameter (or a slot) necessary for expressing the intention.
  • the one domain e.g., an alarm
  • the plurality of rules may include, for example, one or more mandatory element parameters.
  • the matching rule may be stored in a natural language understanding database (NLU DB)
  • the natural language understanding module 220 grasps the meaning of words extracted from user input using linguistic features (e.g., grammatical elements) such as morphemes, phrases, and the like, And the intention of the user. For example, the natural language understanding module 220 can determine the user intention by calculating how many words extracted from user input are included in each domain and intention. According to one embodiment, the natural language understanding module 220 may determine the parameters of the user input using words that are the basis for grasping the intent. According to one embodiment, the natural language understanding module 220 can determine the intention of the user using the natural language recognition database 221 in which the linguistic characteristic for grasping the intention of the user input is stored.
  • linguistic features e.g., grammatical elements
  • the natural language understanding module 220 may determine the parameters of the user input using words that are the basis for grasping the intent.
  • the natural language understanding module 220 can determine the intention of the user using the natural language recognition database 221 in which the linguistic characteristic for grasping the intention of the user input is stored.
  • the natural language understanding module 220 can determine a user's intention using a personalized language model (PLM).
  • PLM personalized language model
  • the natural language understanding module 220 may determine a user's intention using personalized information (e.g., a contact list, a music list).
  • personalized language model may be stored in the natural language recognition database 221, for example.
  • not only the natural language understanding module 220 but also the automatic speech recognition module 210 can recognize the user's voice by referring to the personalized language model stored in the natural language recognition database 221.
  • the natural language understanding module 220 may generate a pass rule based on the intent and parameters of the user input. For example, the natural language understanding module 220 may select an app to be executed based on an intention of a user input, and determine an operation to be performed in the selected app. The box salmon understanding module 220 may determine a parameter corresponding to the determined operation to generate a pass rule. According to one embodiment, the pass rule generated by the natural language understanding module 220 includes information about an app to be executed, an action to be performed in the app (e.g., at least one or more states) .
  • the natural language understanding module 220 may generate one pass rule, or a plurality of pass rules, based on the intent and parameters of the user input. For example, the natural language understanding module 220 receives the path rule set corresponding to the user terminal 100 from the path planner module 230, maps the intention and parameters of the user input to the received path rule set, The rules can be determined.
  • the natural language understanding module 220 determines an app to be executed, an action to be performed in the app, and parameters necessary to perform the action based on the intention and parameters of the user input, You can create a rule.
  • the natural language understanding module 220 may use the information of the user terminal 100 to describe an operation to be executed in the app to be executed and an application in an ontology or a graph model You can create path rules by arranging them.
  • the generated path rule may be stored in a path rule database (PR DB) 231 via the path planner module 230, for example.
  • the generated path rule may be added to the path rule set of the database 231.
  • the natural language understanding module 220 may select at least one of the generated plurality of pass rules. For example, the natural language understanding module 220 may select an optimal path rule for the plurality of pass rules. As another example, the natural language understanding module 220 may select a plurality of pass rules if only some actions are specified based on user utterances. The natural language understanding module 220 may determine one of the plurality of pass rules by a user's further input.
  • the natural language understanding module 220 may send a pass rule to the user terminal 100 in response to a user input.
  • the natural language understanding module 220 may transmit one pass rule corresponding to user input to the user terminal 100.
  • the natural language understanding module 220 may transmit a plurality of pass rules corresponding to user input to the user terminal 100.
  • the plurality of pass rules may be generated by the natural language understanding module 220 if, for example, only some actions are specified based on user utterances.
  • the path planner module 230 may select at least one of the plurality of path rules.
  • the path planner module 230 may deliver a set of path rules that includes a plurality of pass rules to the natural language understanding module 220.
  • the plurality of path rules of the path rule set may be stored in a form of a table in the path rule database 231 connected to the path planner module 230.
  • the path planner module 230 transmits a path rule set corresponding to information (e.g., OS information, app information) of the user terminal 100 received from the intelligent agent 145 to the natural language understanding module 220 .
  • the table stored in the path rule database 231 may be stored, for example, for each domain or domain version.
  • the path planner module 230 may select one pass rule or a plurality of pass rules from a pass rule set and transmit the selected pass rules to the natural language understanding module 220. For example, the path planner module 230 selects one pass rule or a plurality of pass rules by matching a user's intention and parameters with the path rule set corresponding to the user terminal 100, .
  • the path planner module 230 may generate one pass rule or a plurality of pass rules using the user intent and parameters. For example, the path planner module 230 may generate one pass rule or a plurality of pass rules by determining an app to be executed and an action to be executed in the app based on the user's intention and parameters. According to one embodiment, the path planner module 230 may store the generated path rule in the path rule database 231.
  • the path planner module 230 may store the pass rules generated in the natural language understanding module 220 in the pass rule database 231. [ The generated path rule may be added to the path rule set stored in the path rule database 231. [
  • the table stored in the path rule database 231 may include a plurality of path rules or a plurality of path rule sets.
  • the plurality of path rules or the plurality of path rule sets may reflect the type, version, type, or characteristic of the device that executes each pass rule.
  • the conversation manager module 240 may determine whether the intention of the user identified by the natural language understanding module 220 is clear. For example, the conversation manager module 240 may determine whether the intention of the user is clear based on whether or not the information of the parameter is sufficient. The conversation manager module 240 may determine whether the parameter identified in the natural language understanding module 220 is sufficient to perform the task. According to one embodiment, the conversation manager module 240 may perform feedback requesting the user for the necessary information if the intention of the user is not clear. For example, the conversation manager module 240 may perform feedback requesting information about a parameter for grasping a user's intention.
  • the conversation manager module 240 may include a content provider module. If the content providing module can perform an operation based on the intention and parameters recognized in the natural language understanding module 220, the content providing module may generate a result of performing a task corresponding to a user input. According to one embodiment, the conversation manager module 240 may send the results generated in the content provision module to the user terminal 100 in response to user input.
  • the natural language generation module (NLG) 250 may change the specified information into a text form.
  • the information changed in the text form may be in the form of a natural language utterance.
  • the specified information may be, for example, information about additional inputs, information to guide completion of an operation corresponding to the user input, or information (e.g., feedback information on user input) that directs additional input of the user.
  • the information changed in the text form may be transmitted to the user terminal 100 and displayed on the display 120 or transmitted to the text-to-speech conversion module 260 to be changed to a voice form.
  • the text-to-speech module 260 may change textual information to speech-like information.
  • the text-to-speech conversion module 260 receives the information of the text form from the natural language generation module 250, converts the information of the text form into the information of the voice form, and transmits the information to the user terminal 100.
  • the user terminal 100 may output the voice information to the speaker 130.
  • the natural language understanding module 220, the path planner module 230, and the conversation manager module 240 may be implemented as a single module.
  • the natural language understanding module 220, the path planner module 230, and the conversation manager module 240 may be implemented as a module to determine a user's intention and parameters, You can create a response (eg, a path rule). Accordingly, the generated response can be transmitted to the user terminal 100.
  • FIG. 5 is a diagram illustrating a method of generating a path rule of a natural language understanding (NLU) module according to an exemplary embodiment of the present invention.
  • NLU natural language understanding
  • the natural language understanding module 220 may divide a function of an application into an action (for example, a state A to a state F) and store the function in the pass rule database 231 according to an embodiment.
  • the natural language understanding module 220 includes a plurality of path rules A-B1-C1, A-B1-C2, A-B1-C3-DF, B1-C3-DEF) may be stored in the path rule database 231.
  • the path rule database 231 of the path planner module 230 may store a set of path rules for performing the function of the app.
  • the set of path rules may include a plurality of pass rules including a plurality of actions (e.g., a sequence of states).
  • the plurality of path rules may be sequentially arranged in accordance with the parameters inputted to each of the plurality of operations.
  • the plurality of pass rules may be configured in an ontology or graph model form and stored in the pass rule database 231.
  • the natural language understanding module 220 includes a plurality of pass rules A-B1-C1, A-B1-C2, A-B1-C3-DF, (A-B1-C3-DF) can be selected among the optimum path rules (B1-C3-DEF).
  • the natural language understanding module 220 may pass a plurality of rules to the user terminal 100 in the absence of a path rule that perfectly matches the user input. For example, the natural language understanding module 220 may select a pass rule (e.g., A-B1) that is partially corresponding to the user input.
  • the natural language understanding module 220 includes one or more pass rules (e.g., A-B1-C1, A-B1-C2, A-B1-C3 -DF, A-B1-C3-DEF) to the user terminal 100.
  • the natural language understanding module 220 may select one of a plurality of pass rules based on the further input of the user terminal 100 and forward the selected one pass rule to the user terminal 100 have. For example, the natural language understanding module 220 may generate a plurality of pass rules (e.g., A-B1-C1, A-B1, etc.) according to a user input (e.g., (For example, A-B1-C3-DF) among the A-B1-C3-DF and the A-B1-C3-DEF.
  • a user input e.g., (For example, A-B1-C3-DF) among the A-B1-C3-DF and the A-B1-C3-DEF.
  • the natural language understanding module 220 may include a user's intention corresponding to a user input (e.g., an input to select C3) further input to the user terminal 100 via the natural language understanding module 220 and / And may transmit the determined user's intention or parameter to the user terminal 100.
  • a user's intention corresponding to a user input e.g., an input to select C3
  • the natural language understanding module 220 may transmit the determined user's intention or parameter to the user terminal 100.
  • A-B1-C3-DF, A-B1-C3-DF, and A-B1-C3-DF based on the transmitted intention or the parameter. DEF) for example, A-B1-C3-DF.
  • the user terminal 100 can complete the operation of the applications 141 and 143 by the selected one pass rule.
  • the natural language understanding module 220 may generate a pass rule that partially corresponds to the received user input, when the intelligent server 200 receives user input that lacks information. For example, the natural language understanding module 220 may send the partially-matched path rule to the intelligent agent 145.
  • Processor 150 may execute intelligent agent 145 to receive the pass rules and pass the partially matched pass rules to execution manager module 147. [ The processor 150 may execute the first application 141 according to the path rule through the execution manager module 147. [ The processor 150 may execute the first app 141 via the execution manager module 147 and send information on the missing parameters to the intelligent agent 145. [ The processor 150 may request additional input to the user using the information on the missing parameter via the intelligent agent 145.
  • the processor 150 may send and process user input to the intelligent server 200 when additional input is received by the user via the intelligent agent 145.
  • the natural language understanding module 220 may generate the added path rule based on the intention and parameter information of the further input user input and transmit the generated path rule to the intelligent agent 145.
  • the processor 150 may execute the second app 143 by sending the pass rule to the execution manager module 147 via the intelligent agent 145.
  • the natural language understanding module 220 may send a user information request to the personalization information server 300 when user input with some information missing is received by the intelligent server 200.
  • the personalization information server 300 may transmit the information of the user who inputs the user input stored in the persona database to the natural language understanding module 220.
  • the natural language understanding module 220 may use the user information to select a path rule corresponding to a user input that is missing some operation. Accordingly, the natural language understanding module 220 may request the missing information to receive the additional input even when the user input with some information is missing, even if it is received by the intelligent server 200, Can be determined.
  • Table 1 may illustrate an exemplary form of a pass rule associated with a task requested by a user according to an embodiment.
  • Path rule ID State parameter Gallery_101 pictureView (25) NULL searchView (26) NULL searchViewResult (27) Location, time SearchEmptySelectedView (28) NULL SearchSelectedView (29) ContentType, selectAll CrossShare (30) anaphora
  • a pass rule generated or selected in an intelligent server (intelligent server 200 in FIG. 1) according to a user utterance includes at least one state 25, 26 , 27, 28, 29 or 30).
  • the at least one state includes a photo application execution view (PicturesView) 25, a photo search function execution (SearchView) 26, a search result display screen output (SearchViewResult) (SearchEmptySelectedView) 28, a SearchSelectedView 29 on which at least one picture is selected, or a shared application selection screen output (CrossShare) 30 ).
  • the parameter information of the pass rule may correspond to at least one state.
  • the at least one photo may be included in the selected search result display screen output 29 state.
  • a task requested by the user as a result of the execution of the path rule including the sequence of states 25, 26, 27, 28, 29 (e.g., " share photo!
  • FIG. 6 is a block diagram illustrating an intelligent vision system in accordance with one embodiment.
  • the intelligent vision system 600 may include a user terminal 610, an intelligent server 620, and a vision server 630.
  • the intelligent vision system 600 may be a system that further includes a vision server 630 in the integrated intelligence system 10 of FIG.
  • the user terminal 610 and the intelligent server 620 of the intelligent vision system 600 may be similar to the user terminal 100 and the intelligent server 200 of the integrated intelligence system 10.
  • the user terminal 610 may include an intelligent agent 611, an execution manager module 613, and a vision agent 615.
  • the intelligent agent 611 and the execution manager module 613 of the user terminal 610 may be similar to the intelligent agent 145 and the execution manager module 147 of the user terminal 100 of FIG.
  • the intelligent agent 611, the execution manager module 613, and the vision agent 615 may be, for example, frameworks for processing user utterances.
  • the intelligent agent 611, the execution manager module 613, and the vision agent 615 may be stored in memory. In other words, the intelligent agent 611, the execution manager module 613, and the vision agent 615 can be executed by the processor to implement the functions.
  • the intelligent agent 611 may receive user input (e.g., user utterance).
  • the intelligent agent 611 may receive user input related to the image displayed on the display.
  • the image may, for example, comprise at least one object.
  • the user input may comprise a request to perform a task associated with at least one object on the image.
  • the image may be a preview image or a still image.
  • the still image may be an image captured in the preview image.
  • the intelligent agent 611 may send the received user input to the intelligent server 620.
  • the intelligent agent 611 may receive a first response from the intelligent server 620 corresponding to the user input.
  • the first response may include, for example, a pass rule that includes a sequence of states of the user terminal 610 and a parameter for performing an operation to have the states.
  • the intelligent agent 611 may forward the received path rule to the execution manager module 613.
  • the execution manager module 613 receives the path rule from the intelligent agent 611 and can execute the application according to the received path rule. For example, the execution manager module 613 may execute the operation to execute the vision agent 615 according to the received pass rule, and to perform a task related to the image.
  • the vision agent 615 includes an image analysis engine 615a, a user interface module 615b, an agent management module 615c, an information management module 615d, Vision module 615e.
  • Vision agent 615 may obtain information about the object on the image via vision server 630.
  • the vision agent 615 may obtain an image generated via a camera (or camera module).
  • the camera may comprise, for example, a lens and an image sensor module (ISP).
  • the image sensor processor may generate an image using light incident through the lens.
  • the generated image may include a preview image and a captured image (or still image).
  • the captured image may be an image captured in the preview image and stored in memory.
  • the preview image and the captured image may be resized.
  • the preview image can be resized, for example, according to the resolution of the display (e.g., full height definition (FHD) or ultra high definition (UHD)).
  • the captured image may be resized to a different resolution (e.g., higher resolution than the display) than the preview image.
  • the captured image may be coded or decoded according to a designated codec.
  • the vision agent 615 may obtain a still image received from the outside.
  • the image received from the outside may be, for example, an image received from an external electronic device, or an image downloaded via a web or the like.
  • the image analysis engine 615a may include an object detection engine, an object recognition engine, a region of interest generating engine A range of interest (ROI) generate engine, and a tracking engine.
  • the image analysis engine 615a may analyze the acquired image and process the image based on the analyzed information (e.g., feature points, keywords (or parameters) or metadata).
  • the object detection engine may detect an object included in an image.
  • the object recognition engine can recognize an object (e.g., an object type) sensed in the image.
  • the ROI generation engine may generate an ROI of an image based on the recognized ROI.
  • the tracking engine can track the movement of the object when the position of the object is changed in a plurality of images (or when motion of the object is detected). Accordingly, the image analysis engine 615a may create a region of interest that includes objects on the image.
  • the image analysis engine 615a not only can create the region of interest directly as described above, but also can create the region of interest of the image through the vision server 630.
  • the image analysis engine 615a may send an image stored in the memory to the vision server 630 and receive information about the region of interest of the image from the vision server 630 according to the status of the user terminal 610 can do.
  • the region of interest generated via vision server 630 may be more accurate than, for example, image analysis engine 615a directly creating the region of interest.
  • the image analysis engine 615a may generate a region of interest for at least one object on the image.
  • the image analysis engine 615a may generate not only one object on an image, but also a region of interest for a plurality of objects.
  • the image analysis engine 615a may store the generated region of interest of the image in a memory (e.g., an ROI database). The image analysis engine 615a may use the stored information to determine an area of interest of the image displayed on the display.
  • a memory e.g., an ROI database
  • the image analysis engine 615a may receive user feedback in the course of processing the image. For example, image analysis engine 615a may receive user feedback on the generated region of interest. According to one embodiment, the image analysis engine 615a may modify the region of interest based on the feedback of the user.
  • the UI module 615b may display a UI for providing vision services on the display.
  • the UI module 615b may display the UI for providing the processed image to the user on the display, and receive the user's feedback through the UI displayed on the display.
  • the agent management module 615c may determine whether to send a query for information related to the image. For example, the agent management module 615c may determine whether the vision server 630 should send a query to obtain information about regions of interest in the image. In another example, when the agent management module 615c receives a user input for acquiring information about an object (e.g., a product) on an image, (E. G., Ebay, amazon) to obtain information about the goods. ≪ / RTI > As another example, the agent management module 615c may determine to pass a query for acquiring a high resolution image to the camera module if a high resolution image is required for image analysis.
  • an object e.g., a product
  • the agent management module 615c may determine to pass a query for acquiring a high resolution image to the camera module if a high resolution image is required for image analysis.
  • the information management module 615d may incorporate the recognized information via the image analysis engine 615a.
  • the information management module 615d may consolidate information about recognized objects according to a specified priority.
  • the designated priority may be determined according to, for example, a recognition rate (or recognition success rate).
  • Objects with high recognition rates such as QR codes and barcodes, may have a high priority
  • objects with low recognition rates such as documents and scene text detection (STD) may have low priority.
  • the information management module 615d may deliver the integrated information to another app.
  • the application receiving the integrated information can transmit the integrated information to the vision server 630.
  • the intelligent vision module 615e may determine the category of objects on the image. For example, the intelligent vision module 615e may determine the category of objects on the image based on the information analyzed through the image analysis module 615a. The intelligent vision module 615e may determine the category of the object by subdivision (e.g., a higher category and a lower category). As another example, the intelligent vision module 615e can determine the category of the object on the image through the vision server 630, as well as directly determine the category of the object as described above. Determining the category of the object on the image via the vision server 630 may be more specific than the intelligent vision module 615e determining the category.
  • the intelligent vision module 615e may store category information of the objects on the image in a memory (e.g., a category database) via a content management hub.
  • (615) may send an image associated with the user input to vision server (630).
  • the vision agent 615 may separate the ROI from the image and transmit the image containing the ROI to the vision server 630.
  • the image including the separated region of interest may be, for example, an image including an area including a plurality of objects.
  • Vision agent 615 may send a small amount of data to vision server 630 when it separates the ROI from the image.
  • the vision agent 615 may transmit the parameters contained in the pass rule along with the image.
  • the parameter may include, for example, information indicating an object on the image.
  • vision server 630 may receive images and parameters to generate information about the objects on the images.
  • the vision agent 615 may receive a second response corresponding to the parameters contained in the image and pass rules associated with the user input from the vision server 630.
  • the second response may include, for example, information (or second text) associated with a task performed according to a path rule.
  • the task may be to obtain information associated with an object on the image.
  • the intelligent server 620 may include an automatic speech recognition module 621 and a natural language understanding module 623.
  • the automatic speech recognition module 621 and the natural language understanding module 623 of the intelligent server 620 may be similar to the automatic speech recognition module 210 and the natural language understanding module 220 of the intelligent server 200 of FIG.
  • the automatic speech recognition module 621 and the natural language understanding module 623 stored in the memory can be executed by the processor.
  • the automatic speech recognition module 621 may change user input (e.g., user utterance) to text (or text data). According to one embodiment, the automatic speech recognition module 621 may transmit the changed text to the natural language understanding module 623.
  • the natural language understanding module 623 may include a domain classifier 623a, an intent classifier 623b, and a slotted tagger 623c.
  • the natural language understanding module 623 receives the text corresponding to the user input, and can generate the path rule corresponding to the user input.
  • the natural language understanding module 623 may receive a text corresponding to a user input associated with an image to generate a pass rule.
  • the domain classifier 623a may determine a domain (e.g., an app) corresponding to the user input. For example, the domain classifier 623a may determine the vision agent 615 corresponding to user input associated with the image.
  • the intention classifier 623b may determine the intent of the user. For example, the intention classifier 623b may determine a user's intent to obtain information of an object (e.g., a prize) on an image.
  • the slotted mover 623c may extract parameters (or slots) necessary for performing operations according to the intention of the user. For example, the slot tagger 623c may extract a parameter that refers to an object on the image. Accordingly, the natural language understanding module 623 can generate (or select) a path rule based on the determined domain, the user's intention and parameters.
  • the vision server 630 may include a category classification module 631, an object recognition module 633, and an object identification module 625. Vision server 630 may receive information about images and parameters associated with user input from user terminal 100.
  • the category classification module 631 may receive parameters (or first text) included in the user input and associated images and pass rules.
  • the parameter may be associated with an object on the image.
  • the category classification module 631 may determine the category of objects on the image.
  • the category classification module 631 can determine an object on the image as one category among a plurality of specified categories.
  • the specified plurality of categories may include, for example, a higher category (e.g., an electronic product) and a lower category (e.g., a refrigerator, a notebook) included in the higher category.
  • the specified plurality of categories can be subdivided stepwise.
  • the category classification module 631 may determine the category of objects on the image similar to the intelligent vision module 615e of the user terminal 610. [
  • the category classification module 631 may, for example, sequentially determine an upper category and a lower category of objects on the image. According to an embodiment, when the category classification module 631 receives information on the category of the object on the image from the user terminal 610, the category classification module 631 can determine the category of the object using the received information.
  • the object recognition module 633 may include an object recognizer corresponding to at least one category.
  • the object recognizer can recognize an object on an image using deep learning (or machine learning). For example, the object recognizer can recognize an object by extracting a feature (or a feature point) of the image and comparing the feature with the feature of the image stored in an index database.
  • the image stored in the index database may be, for example, a representative image corresponding to each type of object.
  • the object recognition module 633 can recognize an object on the received image using an object recognizer corresponding to the category determined through the category classification module 631.
  • the received image may be, for example, an image passed through the category determination module 631 (e.g., an image including the region of interest).
  • the object recognition module 633 may include a database corresponding to at least one category.
  • the object recognition module 633 may include an electronic product database 633a and an apparel database 633b.
  • the database may include information about an object.
  • the information on the object may include model information, function information, price information, producer information, or seller information of the product.
  • the object recognition module 633 may generate information about the recognized object.
  • the information associated with the recognized object may include, for example, list information including text and images.
  • the object recognition module 633 can generate information on a plurality of objects when a plurality of objects are recognized.
  • the object recognition module 633 can acquire information related to the object on the image from the database related to the category determined by the category classification module 631.
  • the object identification module 635 may use the parameters to obtain information related to user input from information obtained by the object recognition module 633. According to one embodiment, when the object identification module 635 generates information about a plurality of objects, the object identification module 635 can select information about an object (or an object desired by the user) related to the parameter. For example, the object identification module 635 may compare images of a plurality of objects recognized through the object recognition module 633 with images corresponding to the parameters, and select information about objects of the most similar image. Alternatively, the object identification module 635 may compare the category of the plurality of objects determined through the category classification module 631 with the category of the parameter, and select the object of the most similar category.
  • the object identification module 635 may select information about an object related to a parameter using data included in a plurality of object information.
  • the data included in the object information may include, for example, metadata, category data, and location data.
  • the object identification module 635 may transmit information on the selected object among information of a plurality of objects to the user terminal 610.
  • the object identification module 635 may transmit information corresponding to the selected object to the user terminal 610.
  • the object identification module 635 may select information corresponding to the selected object among the information about the object generated by the object recognition module 633, and transmit the selected information to the user terminal 610.
  • the user terminal 610 may receive information about the object and display it on the display.
  • the user terminal 610 may transmit information about the object to another electronic device (e.g., a display device), and display information about the object through a display included in the other electronic device.
  • FIG. 7 is a diagram illustrating a process in which an intelligent vision system according to an embodiment processes user utterance.
  • the intelligent vision system 600 may receive user input related to an image and provide information of the object on the image to the user.
  • the user terminal 610 may display an image on a display.
  • the user terminal 610 may display an image (a) containing a refrigerator on the display.
  • a user terminal 610 may receive user input associated with the image displayed on the display.
  • the intelligent agent 611 may receive a user input (b) of " What is it? &Quot; associated with the refrigerator displayed on the display.
  • the user terminal 610 may send the received user input to the intelligent server 620.
  • the user terminal 610 may send the first data associated with the user input to the intelligent server 620.
  • the intelligent server 620 may receive the user input and change it to text.
  • the intelligent server 620 may use text to generate a path rule corresponding to user input.
  • the domain classifier 623a of the natural language understanding module 623 may use the text to determine that the domain corresponding to user input is a vision agent.
  • the intention classifier 623b may determine that the intention of the user is a product search.
  • the slot tagger 625c may extract 'this' from the text. Accordingly, the intelligent server 620 can generate a pass rule for searching for a product on the image displayed on the display. According to one embodiment, the intelligent server 620 may send the generated pass rules to the user terminal 100.
  • the user terminal 610 may receive the generated pass rules from the intelligent server 620.
  • the user terminal 610 e.g., execution manager module 613 may execute the vision agent 615 in accordance with the pass rules.
  • the user terminal 610 e.g., vision agent 615) may execute the operations contained in the pass rules.
  • the user terminal 610 may send second data associated with an image (e.g., a refrigerator image (a)) associated with a user input and a parameter (e.g., 'this') included in the received path rule to the vision server 630 ).
  • a parameter e.g., 'this'
  • vision server 630 may receive parameters associated with images and path rules associated with user input.
  • the category classification module 631 may receive second data associated with the image and parameters.
  • vision server 630 may determine the category of objects on the image.
  • the category classification module 631 may determine the category of the refrigerator on the image as an electronic product.
  • the vision server 630 may recognize an object on the image using the object recognizer of the determined category.
  • the object recognition module 633 can recognize that an object included in the image is a refrigerator using an electronic product recognizer.
  • the vision server 630 may generate information corresponding to the recognized object.
  • the vision server 630 may generate information including at least one of model information, function information, price information, producer information, and seller information of the recognized refrigerator.
  • the vision server 630 e.g., the object identification module 635
  • the user terminal 610 may receive the generated information and output the received information through at least one of a display and a speaker.
  • An implementor user terminal 610 e.g., vision agent 615
  • FIGS. 8, 9 and 10 illustrate an intelligent vision system, according to an embodiment, determining an area of interest of an image.
  • a user terminal 610 may receive user input to obtain information about clothing on an image.
  • the user terminal 610 may receive a user input 810 " how much is one piece? &Quot;, with the image displayed on the display.
  • the image displayed on the display may include a plurality of objects (e.g., dresses, shoes, bags and women).
  • the user terminal 610 may execute the vision agent 615 according to the path rules received from the intelligent server 620 and display the UI 820 of the executed vision agent on the display .
  • the UI 820 of the vision agent may include an image 821 associated with a user input and an indicator 823 indicating a task associated with an object on the image.
  • the user terminal 610 may display the region of interest in the image 821 associated with the user input.
  • the user terminal 610 may determine an area containing the object related to the parameter 'one piece' as the area of interest 821a.
  • the user terminal 610 may display an indicator 823a indicative of a task of " retrieving price information " associated with an object on the image.
  • the user terminal 610 may receive information about the 'one piece' object on the image.
  • the vision server 630 can receive information about 'one piece' of information about a plurality of objects using parameters.
  • the vision server 630 may receive information about 'one piece' (e.g., piece list information), which is an object related to user input, using metadata of information about a plurality of objects.
  • the user terminal may display information about the 'one piece' on the display.
  • a user terminal 610 may receive user input to obtain information about an excitation on an image.
  • the user terminal 610 may receive a user input 910a " Show another photo of this woman ", with the image displayed on the display.
  • the image displayed on the display may be the same image as the image displayed on the display of Fig.
  • the user terminal 610 may display the vision agent's UI 920 on the display.
  • the UI 920 of the vision agent may include an image 921 associated with a user input and an indicator 923 indicating a task associated with an object on the image.
  • the user terminal 610 may display the region of interest 921a in the image 921 associated with the user input.
  • the user terminal 610 may determine an area including the object related to the parameter 'excitement' as the region of interest 921a.
  • the user terminal 610 may display an indicator 923a indicative of a task of " searching for images " associated with an object on the image.
  • the user terminal 610 may receive information about the ' woman', an object on the image.
  • the vision server 630 can receive information about 'excitement' among the information about a plurality of objects using parameters.
  • the vision server 630 can receive information about ' woman' (e.g., a woman photo list), which is an object related to a user input, using category information of a plurality of objects.
  • the user terminal 100 may display information on the received ' woman' on the display.
  • a user terminal 610 may receive user input to obtain information about a cafe on an image.
  • the user terminal 610 may display the image on the display and receive a user input 1010 " Tell me this cafe information. &Quot;
  • the image displayed on the display may include a plurality of objects (e.g., a plurality of households).
  • the image displayed on the display may include global positioning system (GPS) information.
  • GPS global positioning system
  • the GPS information may include information about a place where the image is photographed.
  • the user terminal 610 may display the vision agent's UI 1020 on the display.
  • the UI 1020 of the vision agent may include an image 1021 associated with a user input and an indicator 1023 indicating a task associated with an object on the image.
  • the user terminal 610 may display the region of interest 1021a in the image 1021 associated with the user input.
  • the user terminal 610 can determine an area including an object related to the parameter 'cafe' as the area of interest 1021a.
  • the user terminal 610 may display an indicator 1023a indicating a task of " searching for place information " associated with an object on the image.
  • the user terminal 610 may receive information about an object on the image, a 'cafe'.
  • the vision server 630 can receive information on 'cafe' among information about a plurality of objects by using parameters.
  • the vision server 630 may receive information (e.g., cafe list information) about 'cafe', which is an object related to user input, using GPS information of a plurality of objects.
  • the user terminal 610 may display information on the received 'cafe' on the display.
  • FIG. 11 is a diagram illustrating a process of classifying categories of objects included in an image and providing information in a vision server according to an exemplary embodiment.
  • the user terminal 610 may determine a category of an object on an image in the vision server 630 and receive information about an object related to a user input.
  • the user terminal 610 may display a preview image or a still image on the display.
  • the image (a) may include, for example, a plurality of objects (e.g., a refrigerator and a microwave oven).
  • the user terminal 610 may receive " What is the refrigerator? &Quot; (b). According to one embodiment, the user terminal 610 may send the user input to the intelligent server 620.
  • the intelligent server 620 may change the user input to text.
  • the intelligent server 620 e.g., the natural language understanding module 623 receives a path rule corresponding to the changed text through a domain classifier 623a, an intent classifier 623b and a slotted tagger 625c Can be generated.
  • the pass rule may include, for example, a sequence of states of the user terminal 610 to perform the operation of the vision agent 615 and a 'refrigerator' which is a parameter for performing the operation.
  • the intelligent server 620 may send the generated pass rules to the user terminal 610.
  • the user terminal 610 may receive the generated pass rules from the intelligent server 620.
  • the user terminal 610 e.g., execution manager module 613 may execute the vision agent 615 in accordance with the pass rules.
  • the user terminal 610 e.g., vision agent 615) may determine the region of interest of the image.
  • vision agent 615 may determine an area of interest that includes 'refrigerator' and 'microwave range' in the image through image analysis engine 615a, Can be separated.
  • the user terminal 610 may transmit to the vision server 630 a 'refrigerator', which is an image and a parameter, respectively, including 'refrigerator' and 'microwave oven'.
  • vision server 630 may receive a plurality of images and parameters, each of which includes a 'refrigerator' and a 'microwave oven'. According to one embodiment, the vision server 630 may determine categories (e.g., electronics) of the 'refrigerator' and 'microwave oven' included in the plurality of images. According to one embodiment, the vision server 630 (e.g., the object recognition module 633) may recognize the 'refrigerator' and the 'microwave oven' using the determined category recognizer. The vision server 630 may generate information on the recognized 'refrigerator' and 'microwave oven' in the electronic product database 633a.
  • categories e.g., electronics
  • the vision server 630 e.g., the object recognition module 633
  • the vision server 630 may generate information on the recognized 'refrigerator' and 'microwave oven' in the electronic product database 633a.
  • vision server 630 may select information about a 'refrigerator' of the generated information using a 'refrigerator' that is a parameter. According to one embodiment, the vision server 630 may transmit the generated information (e.g., a refrigerator list) to the user terminal 100.
  • generated information e.g., a refrigerator list
  • the user terminal 610 may receive the generated information and output information about the 'refrigerator' through at least one of the display and the speaker.
  • FIG. 12 is a sequence diagram of an intelligent vision system according to an embodiment for processing a user utterance associated with a preview image.
  • the user terminal 610 may receive information about an object (e.g., a refrigerator) on the preview image displayed on the display.
  • an object e.g., a refrigerator
  • the intelligent agent 611 of the user terminal 610 may receive " What is the refrigerator? &Quot; (1).
  • the user terminal 620 may send a user utterance to the intelligent server 620 (2).
  • the intelligent server 620 may generate a path rule corresponding to the user input (3). According to one embodiment, the intelligent server 620 may send the generated pass rule to the intelligent agent 611 of the user terminal 610 (4).
  • the intelligent agent 611 of the user terminal 610 may forward the pass rule to the execution manager module 613 (4).
  • the execution manager module 613 executes the vision agent 615 and sends a request to the vision agent 615 to execute a first action (e.g., an operation to capture a preview image) (5).
  • the vision agent 615 may execute the first operation (6).
  • the vision agent 615 may forward the result of executing the first operation to the execution manager module 613 (7).
  • the execution manager module 613 may communicate a request to the vision agent 615 to perform a second operation (e.g., an operation to display information on the refrigerator on the display) (8).
  • the vision agent 615 may execute the second operation (9).
  • the user terminal 610 may receive information from the vision server 630 to perform the second operation.
  • the vision agent 615 of the user terminal 610 may transmit the captured image and parameter 'refrigerator' to the vision server 630 (9-1).
  • the vision server 630 may determine the region of interest of the captured image (9-2).
  • the vision server 630 may determine a category (e.g., an electronic product) of an object included in the ROI, and recognize the 'refrigerator' and the 'microwave oven' using the determined category identifier (9-3).
  • the vision server 630 may generate (or search) information on the recognized 'refrigerator' and 'microwave oven' (9-4). According to one embodiment, the vision server 630 can select information (e.g., refrigerator list) about 'refrigerator' among information on a plurality of objects created using parameters (9-5). According to one embodiment, the vision server 630 may transmit the selected information to the user terminal 610 (9-6).
  • information e.g., refrigerator list
  • the user terminal 610 receives the selected information and may display information about the 'refrigerator' on the display (9-7). In other words, the user terminal 610 may complete the execution of the second operation.
  • the user terminal 610 may forward the result of executing the second operation to the execution manager module 613 (10).
  • the execution manager module 613 may transmit the result of performing the task corresponding to the user input according to the pass rule to the vision server 620 through the intelligent agent 611 (11).
  • the vision server 620 may transmit the results to the user terminal 100 through a natural language generation module (12).
  • the user terminal 610 can output the completion information to the user in the form of a natural language (13).
  • FIG. 13 is a sequence diagram in which an intelligent vision system according to one embodiment processes a user utterance associated with an image.
  • the user terminal 610 may receive information about an object (e.g., a refrigerator) on a still image displayed on the display.
  • the operations of the user terminal 610 and the intelligent server 620 may be similar to those of the user terminal 610 and the intelligent server 620 of FIG.
  • (1) to (4) between the user terminal 610 and the intelligent server 620 are performed in accordance with one or more of (1) to (4) between the user terminal 610 and the intelligent server 620, ) Process.
  • the execution manager module 613 executes a vision agent 615 and sends a request to execute a motion (e.g., an operation of displaying refrigerator information on the display) in accordance with the pass rule to the vision agent 615 ) (5).
  • the vision agent 615 may execute the operation (6).
  • the vision agent 615 may omit the operation of capturing the image displayed on the display differently than in Fig.
  • the user terminal 610 may receive information from the vision server 630 to perform the operation.
  • the vision agent 615 of the user terminal 610 may determine the region of interest of the still image (6-1).
  • the vision agent 615 may determine the region of interest using information (e.g., category information and region of interest information) associated with the image displayed on the display.
  • the vision agent 615 of the user terminal 610 may separate the region of interest in the image (6-2).
  • the user terminal 610 may transmit to the vision server 630 a 'refrigerator' which is an image and a parameter including the region of interest (6-3).
  • the vision server 630 may determine a category (e.g., an electronic product) of an object included in the image including the ROI, and recognize the 'refrigerator' and the 'microwave oven' 4). According to one embodiment, the vision server 630 may generate (or search) information on the recognized 'refrigerator' and 'microwave oven' (6-5). According to one embodiment, the vision server 630 may select information (e.g., refrigerator list) about 'refrigerator' among information about a plurality of objects generated using the parameter (6-6). According to one embodiment, the vision server 630 may transmit the selected information to the user terminal 610 (6-7).
  • a category e.g., an electronic product
  • the user terminal 610 receives the selected information and may display information about the 'refrigerator' on the display (6-8). In other words, the user terminal 610 may complete the execution of the second operation.
  • the processes (7) to (11) of the user terminal 610, the intelligent server 620 and the vision server 630 are similar to the processes (10) to (13) .
  • FIG. 14 is a diagram illustrating a process of classifying categories of objects included in an image and providing information in an intelligent server according to an exemplary embodiment.
  • the user terminal 610 may determine the category of the object on the image in the intelligent server 620 and receive information about the object associated with the user input.
  • the intelligent server 620 may further include a category classification module 623d and a category database 623e for determining categories of extracted parameters.
  • the category classification module 623d and the category database 623e may be included in the natural language understanding module 623, for example.
  • the user terminal 610 may display images (e.g., refrigerators, microwave ovens, and bananas) (a) that include a plurality of objects on the display.
  • images e.g., refrigerators, microwave ovens, and bananas
  • the user terminal 610 may receive " What is the refrigerator? &Quot; (b).
  • the user terminal 610 may send the user input to the intelligent server 620.
  • the user terminal 610 may send the first data associated with the user input to the intelligent server 620.
  • the intelligent server 620 may change the user input to text.
  • the intelligent server 620 e.g., the natural language understanding module 623 receives a path rule corresponding to the changed text through a domain classifier 623a, an intention classifier 623b, and a slotted tagger 625c Can be generated.
  • the natural language understanding module 623 of the intelligent server 620 provides information about the first parameter (or first text) (e.g., refrigerator) extracted through the slotted tag 625c to the category classification module (623d).
  • the category classification module 623d may determine a category for the first parameter.
  • the category classification module 623d can determine a category (e.g., an electronic device) of the first parameter by referring to the category database 623e in which information on the category is stored.
  • the category database 623e can store, for example, information on the names of objects corresponding to at least one category.
  • the category classification module 623d may compare the first parameter with the name of the object and determine a category corresponding to the most similar name as the category of the first parameter.
  • the category classification module 623d may deliver the determined category to the slot tagger 625c.
  • the category classification module 623d may determine the delivered category as a second parameter (or a third text).
  • the path rule generated through the natural language understanding module 623 may include a first parameter (e.g., a refrigerator) and a second parameter (e.g., an electronic product).
  • the intelligent server 620 may send the generated pass rules to the user terminal 610.
  • the user terminal 610 may receive the generated pass rules from the intelligent server 620.
  • the user terminal 610 e.g., execution manager module 613 may execute the vision agent 615 in accordance with the pass rules.
  • a user terminal 610 e.g., vision agent 615) determines an area containing a 'refrigerator', a 'microwave oven' and a 'banana' (a ') can be separated.
  • the user terminal 610 may use the second parameter (e.g., household appliances) included in the pass rule to select one of the images including 'refrigerator', 'microwave oven' and 'banana' And " microwave oven " can be selected and transmitted to the vision server 630.
  • the user terminal 610 may send to the vision server 630 the second data associated with the second parameter, as well as the image and first parameter including the object.
  • the vision server 630 may receive a plurality of images, a first parameter and a second parameter, each of which includes a 'refrigerator' and a 'microwave oven' .
  • the vision server 630 e.g., the category classification module 631 uses a second parameter (e.g., an electronic product) to determine the 'refrigerator' and 'microwave range' Can be recognized.
  • the vision server 630 does not determine the category of the object included in the image, but uses the second parameter determined in the intelligent server 620 to determine the 'refrigerator' and the 'microwave range' Can be recognized.
  • the vision server 630 may generate information on the recognized 'refrigerator' and 'microwave oven' in the electronic product database 633a. According to one embodiment, the vision server 630 (e.g., the object verification module 635) may select information about the 'refrigerator' among the generated information using the first parameter 'refrigerator'. According to one embodiment, the vision server 630 may transmit the generated information (or second text) (e.g., a refrigerator list) to the user terminal 100.
  • the generated information or second text
  • the user terminal 610 may receive the generated information and output information about the 'refrigerator' through at least one of the display and the speaker.
  • FIG. 15 is a sequence diagram of an intelligent vision system according to an embodiment for processing a user utterance related to a preview image through a camera app.
  • the user terminal 610 may receive information about an object (e.g., a refrigerator) on the preview image displayed on the display.
  • an object e.g., a refrigerator
  • the intelligent agent 611 of the user terminal 610 may receive " What is the refrigerator? &Quot; (1).
  • the user terminal 620 may send a user utterance to the intelligent server 620 (2).
  • the intelligent server 620 may generate a path rule corresponding to the user input (3).
  • domain classifier 623a of natural language understanding module 623 may determine a domain (e.g., vision agent 615) corresponding to user input (3-1).
  • the intention classifier 623b may determine an intention (e.g., product search) corresponding to user input (3-2).
  • the slot tiger 623c can extract the first parameter 'refrigerator' (3-3).
  • the slotted tagger 623c may forward the first parameter to the category classification module 623d.
  • the category classification module 623d can determine the category of the first parameter (e.g., household appliances) using the information stored in the category database 623e.
  • the category classification module 623d may forward the determined category to the slotted tag 623c.
  • the slotted mover 623c may determine the determined category as the second parameter (3-4).
  • the intelligent server 620 may generate a pass rule that includes the first parameter and the second parameter (3-5).
  • the intelligent server 620 may send the always-created pass rule to the intelligent agent 611 of the user terminal 610 (4).
  • the vision agent 615 may execute the second operation (9).
  • the user terminal 610 may receive information from the vision server 630 to perform the second operation.
  • the vision agent 615 of the user terminal 610 may send a captured image, a first parameter, a 'refrigerator', and a second parameter, 'electronics', to the vision server 630 9-1).
  • the vision server 630 may determine the region of interest of the captured image (9-2).
  • the vision server 630 determines a category (e.g., an electronic product) of an object included in the area of interest using the second parameter 'electronics', and displays the 'refrigerator' and 'microwave oven' '(9-3). According to one embodiment, the vision server 630 may generate (or search) information on the recognized 'refrigerator' and 'microwave oven' (9-4). According to one embodiment, the vision server 630 can select information (e.g., refrigerator list) about 'refrigerator' among information on a plurality of objects generated using the first parameter (9-5). According to one embodiment, the vision server 630 may transmit the selected information to the user terminal 610 (9-6).
  • a category e.g., an electronic product
  • the user terminal 610 receives the selected information and may display information about the 'refrigerator' on the display (9-7). In other words, the user terminal 610 may execute the second operation.
  • 16 is a sequence diagram of an intelligent vision system according to an embodiment for processing a user utterance related to an image through a gallery app.
  • the user terminal 610 may receive information about an object (e.g., a refrigerator) on a still image displayed on the display.
  • the operations of the user terminal 610 and the intelligent server 620 may be similar to those of the user terminal 610 and the intelligent server 620 of FIG.
  • (1) to (4) between the user terminal 610 and the intelligent server 620 are performed in accordance with one or more of (1) to (4) between the user terminal 610 and the intelligent server 620, ) Process.
  • the path rule generated in steps (3-1) to (3-5) of the functional server 620 may include a first parameter 'refrigerator' and a second parameter 'household appliances' .
  • the execution manager module 613 executes a vision agent 615 and sends a request to execute a motion (e.g., an operation of displaying refrigerator information on the display) in accordance with the pass rule to the vision agent 615 ) (5).
  • the vision agent 615 may execute the operation (6).
  • the vision agent 615 may omit the operation of capturing the image displayed on the display differently from Fig.
  • the user terminal 610 may receive information from the vision server 630 to perform the operation.
  • the vision agent 615 of the user terminal 610 may determine the region of interest of the still image (6-1).
  • the vision agent 615 may determine the region of interest using information (e.g., category information and region of interest information) associated with the image displayed on the display.
  • the vision agent 615 of the user terminal 610 may separate the region of interest in the image (6-2).
  • the user terminal 610 may transmit an image containing the region of interest, a first parameter, a 'refrigerator', and a second parameter, 'electronics', to the vision server 630 (6- 3).
  • the vision server 630 determines a category (e.g., an electronic product) of an object included in a region of interest using a second parameter 'electronics', and uses the identifier of the determined category to determine' Refrigerator 'and' microwave oven '(6-4).
  • the vision server 630 may generate (or search) information on the recognized 'refrigerator' and 'microwave oven' (6-5).
  • the vision server 630 may select information (e.g., refrigerator list) about 'refrigerator' among information about a plurality of objects generated using the parameter (6-6).
  • the vision server 630 may transmit the selected information to the user terminal 610 (6-7).
  • the user terminal 610 receives the selected information and may display information about the 'refrigerator' on the display (6-8).
  • the processes (7) to (11) of the user terminal 610, the intelligent server 620 and the vision server 630 are similar to the processes (10) to (13) .
  • the user terminal 610 analyzes an image through the vision server 630, recognizes an object on the image, Information related to the recognized object is generated and provided to the user, so that the image displayed on the screen and the user utterance can be processed organically.
  • the user terminal 610 can efficiently provide the information of the object related to the user input by recognizing the category of the object and generating the information about the object on the image using the recognizer and information of the recognized category.
  • the user terminal 610 recognizes the text specifying the object included in the user input, selects one of the plurality of objects, and transmits the information of the selected object to the user .
  • FIG. 17 is a block diagram of an electronic device 1701 in a network environment 1700 in accordance with various embodiments.
  • An electronic device according to various embodiments disclosed herein can be various types of devices.
  • a personal computer such as a personal digital assistant (PDA), a tablet PC, a laptop PC (e.g., a desktop PC, a workstation, or a server) ,
  • a portable multimedia device e.g., an e-book reader or an MP3 player
  • a portable medical device e.g., cardiac, blood glucose, blood pressure, or body temperature gauge
  • a camera or a wearable device.
  • HMDs head-mounted devices
  • a television a digital video disk (DVD) player
  • an audio device an audio device
  • an audio device an audio device
  • Devices eg, A headset, or a headset
  • a refrigerator an air conditioner, a vacuum cleaner, an oven, a microwave oven, a washing machine, an air purifier, a settop box, a home automation control panel, a security control panel, a game console, Or the like.
  • the electronic device may be a navigation device, a global navigation satellite system (GNSS), an event data recorder (EDR) (e.g., vehicle / ship / airplane black box), an automotive infotainment device (Eg, a head-up display for a vehicle), an industrial or household robot, a drone, an automated teller machine (ATM), a point of sale (POS) Or at least one of an object Internet device (e.g., a light bulb, a sprinkler device, a fire alarm, a thermostat, or a streetlight).
  • GNSS global navigation satellite system
  • EDR event data recorder
  • EDR automotive infotainment device
  • ATM automated teller machine
  • POS point of sale
  • an object Internet device e.g., a light bulb, a sprinkler device, a fire alarm, a thermostat, or a streetlight.
  • the electronic device is not limited to the above-described devices and may also be provided with a plurality of electronic devices such as a smart phone having a function of measuring biometric information (e.g., heartbeat or blood sugar) It is possible to combine the functions of the devices.
  • biometric information e.g., heartbeat or blood sugar
  • the term user may refer to a person using an electronic device or a device using an electronic device (e.g., an artificial intelligence electronic device).
  • electronic device 1701 (e.g., electronic device 100 of FIG. 1) in network environment 1700 may communicate with electronic device 1702 via short range wireless communication 1798, 1799 to communicate with the electronic device 1704 or the server 1708.
  • the electronic device 1701 may communicate with the electronic device 1704 via a server 1708.
  • electronic device 1701 includes a bus 1710, a processor 1720 (e.g., processor 150 of Figure 2), a memory 1730, an input device 1750 (e.g., a microphone or a mouse) A display device 1760, an audio module 1770, a sensor module 1776, an interface 1777, a haptic module 1779, a camera module 1780, a power management module 1788, and a battery 1789, A module 1790, and a subscriber identity module 1796.
  • electronic device 1701 may omit at least one of the components (e.g., display 1760 or camera module 1780) or additionally include other components.
  • the bus 1710 may include circuitry for connecting the components 1720-1790 to one another and for communicating signals (e.g., control messages or data) between the components.
  • signals e.g., control messages or data
  • Processor 1720 may be one of a central processing unit (CPU), an application processor (AP), a graphics processing unit (GPU), an image signal processor (ISP) Or more. According to one embodiment, the processor 1720 may be implemented as a system on chip (SoC) or a system in package (SiP). Processor 1720 may control an operating system or at least one other component (e.g., hardware or software component) of an electronic device 1701 connected to processor 1720 by driving an application program , Various data processing and calculation can be performed. Processor 1720 may load or process instructions or data received from at least one of the other components (e.g., communication module 1790) into volatile memory 1732 and store the resulting data in nonvolatile memory 1734 .
  • SoC system on chip
  • SiP system in package
  • Processor 1720 may control an operating system or at least one other component (e.g., hardware or software component) of an electronic device 1701 connected to processor 1720 by driving an application program , Various data processing and calculation can be performed.
  • the memory 1730 may include a volatile memory 1732 or a non-volatile memory 1734.
  • Volatile memory 1732 may be comprised of, for example, random access memory (RAM) (e.g., DRAM, SRAM, or SDRAM).
  • RAM random access memory
  • the nonvolatile memory 1734 may be implemented as, for example, a programmable read-only memory (PROM), an onetime PROM (OTPROM), an erasable programmable read-only memory (EPROM), an electrically erasable programmable ROM (EEPROM) a hard disk drive, or a solid state drive (SSD).
  • PROM programmable read-only memory
  • OTPROM onetime PROM
  • EPROM erasable programmable read-only memory
  • EEPROM electrically erasable programmable ROM
  • the nonvolatile memory 1734 may also include an internal memory 1736 disposed therein or a stand-alone external memory 1736 that can be used only when necessary, depending on the form of connection with the electronic device 1701.
  • the external memory 1738 may be a flash drive, for example, a compact flash (CF), a secure digital (SD), a micro-SD, a mini-SD, an extreme digital (xD) , Or a memory stick.
  • the external memory 1738 may be functionally or physically connected to the electronic device 1701 via a wired (e.g., cable or universal serial bus) or wireless (e.g., Bluetooth).
  • the memory 1730 may store, for example, instructions or data related to at least one other software component of the electronic device 1701, e.g., program 1740.
  • the program 1740 may include, for example, a kernel 1741, a library 1743, an application framework 1745, or an application program (interchangeably "application”) 1747.
  • Input device 1750 may include a microphone, a mouse, or a keyboard. According to one embodiment, the keyboard may be connected to a physical keyboard, or displayed via a display device 1760 with a virtual keyboard.
  • Display device 1760 may include a display, a hologram device, or a control circuit for controlling the projector and the device.
  • the display may include, for example, a liquid crystal display (LCD), a light emitting diode (LED) display, an organic light emitting diode (OLED) display, a microelectromechanical system (MEMS) display, or an electronic paper display .
  • the display can be implemented flexibly, transparently, or wearably.
  • the display may include an interchangeably " force sensor " capable of sensing a user's touch, gesture, proximity, or hovering input, which can measure touch circuitry or pressure to the touch .
  • the touch circuit or pressure sensor may be implemented integrally with the display, or may be implemented with one or more sensors separate from the display.
  • the hologram device can display stereoscopic images in the air using the interference of light.
  • the projector can display images by projecting light onto the screen.
  • the screen may be located, for example, inside or outside the electronic device 1701.
  • Audio module 1770 can, for example, bidirectionally convert sound and electrical signals. According to one embodiment, the audio module 1770 is configured to acquire sound through an input device 1750 (e.g., a microphone), or to output devices (not shown) (E. G., A wireless speaker or wireless headphone) or an electronic device 1706 (e. G., Wired speaker or wired headphone) coupled to the electronic device 1701 Can be output.
  • an input device 1750 e.g., a microphone
  • output devices not shown
  • an electronic device 1706 e. G., Wired speaker or wired headphone
  • the sensor module 1776 measures or senses an operating state (e.g., power or temperature) inside the electronic device 1701 or an external environmental condition (e.g., altitude, humidity, or brightness) And generate an electrical signal or data value corresponding to the measured or sensed state information.
  • an operating state e.g., power or temperature
  • an external environmental condition e.g., altitude, humidity, or brightness
  • the sensor module 1776 may be, for example, a gesture sensor, a gyro sensor, a barometric sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor (e.g., an RGB (red, An infrared sensor, a biological sensor such as an iris sensor, a fingerprint sensor or a heartbeat rate monitoring (HRM) sensor, an electronic nose sensor, an electromyography sensor, an electroencephalogram sensor, an electrocardiogram (ECG) Sensor), a temperature sensor, a humidity sensor, an illumination sensor, or an ultraviolet (UV) sensor.
  • the sensor module 1776 may further include a control circuit for controlling at least one or more sensors belonging to the sensor module 1776.
  • the electronic device 1701 can control the sensor module 1776 using a processor (e.g., a sensor hub) separate from the processor 1720 or the processor 1720.
  • a processor e.g., a sensor hub
  • Interface 1777 may be implemented as a high definition multimedia interface (HDMI), a USB, an optical interface, RS-232 (recommended standard 232), D-sub (D-subminiature), MHL high-definition link interface, an SD card / multi-media card (MMC) interface, or an audio interface.
  • the connection terminal 1778 can physically connect the electronic device 1701 and the electronic device 1706.
  • connection terminal 1778 may include, for example, a USB connector, an SD card / MMC connector, or an audio connector (e.g., a headphone connector).
  • the haptic module 1779 may convert an electrical signal into a mechanical stimulus (e.g., vibration or motion) or an electrical stimulus.
  • the haptic module 1779 may provide a stimulus associated with the tactile or kinesthetic sense to the user.
  • the haptic module 1779 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 1780 can take, for example, a still image and a moving image.
  • Camera module 1780 may include one or more lenses (e.g., a wide-angle lens and a telephoto lens, or a front lens and a rear lens), an image sensor, an image signal processor, or a flash a xenon lamp, etc.).
  • lenses e.g., a wide-angle lens and a telephoto lens, or a front lens and a rear lens
  • an image sensor e.g., a front lens and a rear lens
  • an image signal processor e.g., a flash a xenon lamp, etc.
  • the power management module 1788 is a module for managing the power of the electronic device 1701, and may be configured as at least a part of, for example, a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 1789 may be recharged by an external power source, including for example a primary battery, a secondary battery, or a fuel cell, to supply power to at least one component of the electronic device 1701.
  • an external power source including for example a primary battery, a secondary battery, or a fuel cell, to supply power to at least one component of the electronic device 1701.
  • Communication module 1790 may be used to establish communication channels between electronic device 1701 and an external device (e.g., first external electronic device 1702, second external electronic device 1704, or server 1708) And support wired or wireless communication through the established communication channel.
  • the communication module 1790 includes a wireless communication module 1792 or a wired communication module 1794 and may communicate with a first network 1798 (e.g., Bluetooth or IrDA (e.g., a short distance communication network such as an infrared data association) or a second network 1799 (e.g., a long distance communication network such as a cellular network).
  • a first network 1798 e.g., Bluetooth or IrDA (e.g., a short distance communication network such as an infrared data association)
  • a second network 1799 e.g., a long distance communication network such as a cellular network.
  • the wireless communication module 1792 may support, for example, cellular communication, short-range wireless communication, or GNSS communication.
  • Cellular communications may include, for example, long-term evolution (LTE), LTE Advance, code division multiple access (CDMA), wideband CDMA (WCDMA), universal mobile telecommunications system (UMTS) ), Or Global System for Mobile Communications (GSM).
  • the short-range wireless communication may include, for example, wireless fidelity, Wi-Fi Direct, Li-Fi, Bluetooth, Bluetooth low energy, Zigbee, near field communication, magnetic secure transmission, radio frequency (RF), or body area network (BAN).
  • LTE long-term evolution
  • CDMA code division multiple access
  • WCDMA wideband CDMA
  • UMTS universal mobile telecommunications system
  • GSM Global System for Mobile Communications
  • the short-range wireless communication may include, for example, wireless fidelity, Wi-Fi Direct, Li-Fi, Bluetooth, Bluetooth low energy, Zigbee, near field communication, magnetic secure transmission, radio frequency (RF), or body area network (BAN).
  • the GNSS may include, for example, a Global Positioning System (GPS), a Global Navigation Satellite System (Glonass), a Beidou Navigation Satellite System (Beidou), or a Galileo (European Global Satellite-based Navigation System).
  • GPS can be used interchangeably with " GNSS ".
  • the wireless communication module 1792 when supporting cellular communication, performs identification and authentication of the electronic device 1701 within the communication network using, for example, the subscriber identity module 1796 can do.
  • the wireless communication module 1792 may include a CP separate from the processor 1720 (e.g., an AP). In such a case, the CP may be used in place of the processor 1720 while the processor 1720 is in an inactive (e.g., sleep) state, or on behalf of the processor 1720 while the processor 1720 is in an active state. Together, it may perform at least some of the functions associated with components of at least one of the components 1710-1796 of the electronic device 1701.
  • the wireless communication module 1792 may be composed of a plurality of communication modules that support only a corresponding communication method of a cellular communication module, a short-range wireless communication module, or a GNSS communication module.
  • the wired communication module 1794 may include, for example, a local area network (LAN), a power line communication, or a plain old telephone service (POTS).
  • LAN local area network
  • POTS plain old telephone service
  • the first network 1798 may include, for example, Wi-Fi Direct or Bluetooth capable of transmitting or receiving commands or data over a direct wireless connection between the electronic device 1701 and the first external electronic device 1702 .
  • the second network 1799 may be a telecommunication network (e.g., a local area network (LAN)) capable of transmitting or receiving commands or data between the electronic device 1701 and the second external electronic device 1704, A computer network such as a wide area network (WAN), the Internet, or a telephone network).
  • LAN local area network
  • the command or the data may be transmitted or received between the electronic device 1701 and the second external electronic device 1704 via the server 1708 connected to the second network.
  • Each of the first and second external electronic devices 1702 and 1704 may be the same or a different kind of device as the electronic device 1701.
  • all or a portion of the operations performed in the electronic device 1701 may be performed in another electronic device or multiple electronic devices (e.g., electronic devices 1702, 1704, or server 1708).
  • the electronic device 1701 may, instead of or in addition to executing the function or service itself, Other electronic devices (e.g., electronic device 1702, 1704, or server 1708) may request some functionality from other devices (e.g., electronic device 1702, 1704, or server 1708) Function or an additional function and can transmit the result to the electronic device 1701.
  • the electronic device 1701 can directly or additionally process the received result to provide the requested function or service.
  • server computing techniques can be used - for example, cloud computing, distributed computing, or client.
  • first component is "(functionally or communicatively) connected” or “connected” to another (second) component, May be connected directly to the component, or may be connected through another component (e.g., a third component).
  • a device configured to may mean that the device can " do " with other devices or components.
  • a processor configured (or configured) to perform the phrases " A, B, and C " may be a processor dedicated to performing the operations (e.g., an embedded processor) By executing the above programs, it can mean a general-purpose processor (e.g., CPU or AP) that can perform the corresponding operations.
  • module includes a unit of hardware, software or firmware and may be used interchangeably with terms such as, for example, logic, logic blocks, components, .
  • a " module " may be an integrally constructed component or a minimum unit or part thereof that performs one or more functions. &Quot; Module " may be implemented either mechanically or electronically, for example, by application-specific integrated circuit (ASIC) chips, field-programmable gate arrays (FPGAs) And may include programmable logic devices.
  • ASIC application-specific integrated circuit
  • FPGAs field-programmable gate arrays
  • At least some of the devices (e.g., modules or their functions) or methods (e.g., operations) according to various embodiments may be stored in a computer readable storage medium (e.g., memory 1730) . ≪ / RTI > When the instruction is executed by a processor (e.g., processor 1720), the processor may perform a function corresponding to the instruction.
  • the computer-readable recording medium may be a hard disk, a floppy disk, a magnetic medium such as a magnetic tape, an optical recording medium such as a CD-ROM, a DVD, a magnetic-optical medium such as a floppy disk,
  • the instructions may include code generated by the compiler or code that may be executed by the interpreter.
  • Each of the components may be comprised of a single entity or a plurality of entities, and some subcomponents of the previously mentioned subcomponents may be omitted, or other subcomponents .
  • some components e.g., modules or program modules

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Graphics (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

하우징; 상기 하우징의 제1 부분에 위치한 스피커; 상기 하우징의 제2 부분에 위치한 마이크; 상기 하우징의 제3 부분에 위치한 터치 스크린 디스플레이; 상기 하우징의 내부에 위치하거나, 상기 하우징의 부착된 통신 회로; 상기 하우징의 내부에 위치하고, 상기 스피커, 상기 마이크, 상기 디스플레이 및 상기 통신 회로와 동작 가능하게 연결된 프로세서; 및 상기 하우징의 내부에 위치하고, 상기 프로세서와 동작 가능하게 연결된 메모리;를 포함하는 전자 장치가 개시된다.

Description

사용자 발화를 처리하는 전자 장치 및 서버
본 문서에서 개시되는 실시 예들은, 사용자 발화를 처리하는 기술과 관련된다.
최근의 전자 장치들은 키보드나 마우스를 이용한 전통적인 입력 방식에 부가하여, 음성 입력과 같은 다양한 입력 방식을 지원할 수 있다. 예를 들어, 스마트폰(smart phone)이나 태블릿(tablet)과 같은 전자 장치들은 사용자 음성을 입력 받고, 입력된 사용자 음성에 대응되는 동작을 실행하는 서비스를 제공하고 있다.
이러한 음성 인식 서비스는 자연어를 처리하는 기술을 기반으로 발전하고 있다. 자연어를 처리하는 기술은 사용자 발화의 의도를 파악하고 그 의도에 맞는 결과를 산출하여 사용자에게 서비스를 제공하는 기술이다.
전자 장치가 사용자 발화를 수신하여 처리할 때 사용자 발화에 대응되는 결과만을 획득하여 사용자에게 제공하게 하는 경우, 전자 장치의 현재 상태 또는 현재 제공되고 있는 서비스와 입력된 사용자 입력을 유기적으로 처리할 수 없을 수 있다.
전자 장치는 디스플레이에 표시된 이미지 상에 포함된 하나의 오브젝트와 관련된 태스크(task)를 처리할 때, 이미지 상의 하나의 오브젝트를 선택하기 위한 사용자 입력을 별도로 수신함으로써 태스크를 수행할 수 있다. 또한, 전자 장치에 표시된 이미지 상에 포함된 복수의 오브젝트 중 하나와 관련된 태스크를 처리할 때, 이미지 상의 복수의 오브젝트 중 하나의 오브젝트를 선택하기 위한 사용자 입력을 별도로 수신함으로써 태스크를 수행할 수 있다.
본 발명의 다양한 실시 예는, 이미지를 분석하여 이미지 상의 오브젝트를 인식하고, 인식된 오브젝트와 관련된 정보를 생성하여 사용자에게 제공하는 전자 장치를 제안하고자 한다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 하우징; 상기 하우징의 제1 부분에 위치한 스피커; 상기 하우징의 제2 부분에 위치한 마이크; 상기 하우징의 제3 부분에 위치한 터치 스크린 디스플레이; 상기 하우징의 내부에 위치하거나, 상기 하우징의 부착된 통신 회로; 상기 하우징의 내부에 위치하고, 상기 스피커, 상기 마이크, 상기 디스플레이 및 상기 통신 회로와 동작 가능하게 연결된 프로세서; 및 상기 하우징의 내부에 위치하고, 상기 프로세서와 동작 가능하게 연결된 메모리;를 포함하고, 상기 메모리에 저장된 명령어가 실행되었을 때, 상기 프로세서로 하여금, 적어도 하나의 오브젝트(object)를 포함하는 이미지를 상기 디스플레이에 표시하고, 상기 디스플레이 또는 상기 마이크 중 적어도 하나를 통해 제1 사용자 입력을 수신하고, 상기 제1 사용자 입력은 상기 이미지 상의 적어도 하나의 오브젝트와 관련된 태스크(task)를 수행하는 요청을 포함하고, 상기 통신 회로를 통해 상기 제1 사용자 입력과 관련된 제1 데이터를 제1 외부 서버로 송신하고, 상기 통신 회로를 통해 상기 제1 외부 서버로부터 제1 응답을 수신하고, 상기 제1 응답은 상기 적어도 하나의 오브젝트와 관련된 제1 텍스트를 포함하고, 상기 통신 회로를 통해 상기 이미지 및 상기 제1 텍스트와 관련된 제2 데이터를 제2 외부 서버로 송신하고, 상기 통신 회로를 통해 상기 제2 외부 서버로부터 제2 응답을 수신하고, 상기 제2 응답은 상기 태스크의 적어도 일부를 수행하는 것과 관련된 제2 텍스트를 포함하고, 상기 디스플레이 또는 상기 스피커를 통해 상기 제2 텍스트의 적어도 일부를 제공할 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 이미지를 처리하는 서버는, 네트워크 인터페이스; 상기 네트워크 인터페이스와 동작 가능하도록 연결된 프로세서; 및 상기 프로세서와 동작 가능하도록 연결하고, 오브젝트와 관련된 정보가 저장된 적어도 하나의 데이터베이스를 포함하는 메모리;를 포함하고, 상기 메모리에 저장된 명령어가 실행되었을 때, 상기 프로세서로 하여금, 상기 네트워크 인터페이스를 통해 외부 전자 장치로부터 적어도 하나의 오브젝트(object)를 포함하는 이미지 및 제1 텍스트와 관련된 제1 데이터를 수신하고, 상기 제1 텍스트는 상기 적어도 하나의 오브젝트와 관련되고, 상기 이미지에 포함된 상기 적어도 하나의 오브젝트를 인식하고, 상기 인식된 적어도 하나의 오브젝트에 대한 정보를 상기 데이터베이스로부터 획득하고, 상기 획득한 정보 및 상기 제1 텍스트를 이용하여 제2 텍스트를 생성하고, 상기 생성된 제2 텍스트를 상기 외부 전자 장치로 송신하도록 할 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 전자 장치는 이미지 상의 오브젝트와 관련된 사용자 발화를 수신하였을 때, 비전 서버를 통해 이미지를 분석하여 해당 이미지 상의 오브젝트를 인식하고, 인식된 오브젝트와 관련된 정보를 생성하여 사용자에게 제공함으로써 화면에 표시된 이미지와 사용자 발화를 유기적으로 처리할 수 있다.
전자 장치는 이미지 상의 오브젝트의 카테고리를 인식하고, 인식된 카테고리 및 사용자 발화 정보를 이용하여 이미지 상의 오브젝트에 대한 정보를 생성함으로써, 사용자 입력과 관련된 오브젝트의 정보를 효율적으로 제공할 수 있다. 또한, 전자 장치는 이미지에 복수의 오브젝트를 포함하고 있는 경우, 사용자 입력에 포함된 특정 오브젝트를 인식하여 복수의 오브젝트 중 하나의 오브젝트를 선택하고, 선택된 오브젝트의 정보를 사용자에게 제공할 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 다양한 실시 예에 따른 통합 지능화 시스템을 나타낸 도면이다.
도 2는 일 실시 예에 따른 통합 지능화 시스템의 사용자 단말을 나타낸 블록도이다.
도 3은 일 실시 예에 따른 사용자 단말의 지능형 앱을 실행시키는 것을 나타낸 도면이다.
도 4은 일 실시 예에 따른 통합 지능화 시스템의 지능형 서버를 나타낸 블록도이다.
도 5는 일 실시 예에 따른 자연어 이해 모듈(natural language understanding)(NLU)이 패스 룰(path rule)을 생성하는 방법을 나타낸 도면이다.
도 6은 일 실시 예에 따른 지능형 비전 시스템을 나타낸 블록도이다.
도 7은 일 실시 예에 따른 지능형 비전 시스템이 사용자 발화를 처리하는 과정을 나타낸 도면이다.
도 8, 도 9 및 도 10은 일 실시 예에 따른 지능형 비전 시스템이 이미지의 관심 영역을 결정하는 것을 나타낸 도면이다.
도 11는 일 실시 예에 따른 비전 서버에서 이미지에 포함된 오브젝트의 카테고리를 분류하여 정보를 제공하는 과정을 나타낸 도면이다.
도 12는 일 실시 예에 따른 지능형 비전 시스템이 프리뷰 이미지(preview image)와 관련된 사용자 발화를 처리하는 시퀀스도이다.
도 13은 일 실시 예에 따른 지능형 비전 시스템이 이미지와 관련된 사용자 발화를 처리하는 시퀀스도이다.
도 14는 일 실시 예에 따른 지능형 서버에서 이미지에 포함된 오브젝트의 카테고리를 분류하여 정보를 제공하는 과정을 나타낸 도면이다.
도 15는 일 실시 예에 따른 지능형 비전 시스템이 카메라 앱을 통한 프리뷰 이미지(preview image)와 관련된 사용자 발화를 처리하는 시퀀스도이다.
도 16은 일 실시 예에 따른 지능형 비전 시스템이 갤러리 앱을 통한 이미지와 관련된 사용자 발화를 처리하는 시퀀스도이다.
도 17은 다양한 실시 예에 따른 네트워크 환경 내의 전자 장치의 블록도를 나타낸다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
본 발명의 일 실시 예를 서술하기에 앞서, 본 발명의 일 실시 예가 적용될 수 있는 통합 지능화 시스템에 대해 설명한다.
도 1은 본 발명의 다양한 실시 예에 따른 통합 지능화 시스템을 나타낸 도면이다.
도 1을 참조하면, 통합 지능화 시스템(10)은 사용자 단말(100), 지능형 서버(200), 개인화 정보 서버(300) 또는 제안 서버(400)를 포함할 수 있다.
사용자 단말(100)은 사용자 단말(100) 내부에 저장된 앱(app)(또는, 어플리케이션 프로그램(application program))(예: 알람 앱, 메시지 앱, 사진(갤러리) 앱 등)을 통해 사용자에게 필요한 서비스를 제공할 수 있다. 예를 들어, 사용자 단말(100)은 사용자 단말(100) 내부에 저장된 지능형 앱(또는, 음성 인식 앱)을 통해 다른 앱을 실행하고 동작시킬 수 있다. 사용자 단말(100)의 상기 지능형 앱을 통해 상기 다른 앱의 실행하고 동작을 실행시키기 위한 사용자 입력을 수신할 수 있다. 상기 사용자 입력은, 예를 들어, 물리적 버튼, 터치 패드, 음성 입력, 원격 입력 등을 통해 수신될 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 휴대폰, 스마트폰, PDA(personal digital assistant) 또는 노트북 컴퓨터 등 인터넷에 연결 가능한 각종 단말 장치(또는, 전자 장치)가 이에 해당될 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 사용자의 발화를 사용자 입력으로 수신할 수 있다. 사용자 단말(100)은 사용자의 발화를 수신하고, 상기 사용자의 발화에 기초하여 앱을 동작시키는 명령을 생성할 수 있다. 이에 따라, 사용자 단말(100)은 상기 명령을 이용하여 상기 앱을 동작시킬 수 있다.
지능형 서버(200)는 통신망을 통해 사용자 단말(100)로부터 사용자 음성 입력(voice input)을 수신하여 텍스트 데이터(text data)로 변경할 수 있다. 다른 실시 예에서는, 지능형 서버(200)는 상기 텍스트 데이터에 기초하여 패스 룰(path rule)을 생성(또는, 선택)할 수 있다. 상기 패스 룰은 앱의 기능을 수행하기 위한 동작(action)(또는, 오퍼레이션(operation))에 대한 정보 또는 상기 동작을 실행하기 위해 필요한 파라미터에 대한 정보를 포함할 수 있다. 또한, 상기 패스 룰은 상기 앱의 상기 동작의 순서를 포함할 수 있다. 사용자 단말(100)은 상기 패스 룰을 수신하고, 상기 패스 룰에 따라 앱을 선택하고, 상기 선택된 앱에서 상기 패스 룰에 포함된 동작을 실행시킬 수 있다.
본 문서의 “패스 룰(path rule)” 이라는 용어는 일반적으로, 전자 장치가 사용자에 의해 요청된 태스크를 수행하기 위한 상태들의 시퀀스를 의미할 수 있지만, 이에 제한되지 않는다. 다시 말해, 패스 룰은 상태들의 시퀀스에 대한 정보를 포함할 수 있다. 상기 태스크는, 예를 들어, 지능형 앱이 제공할 수 있는 어떠한 동작(action)일 수 있다. 상기 태스크는 일정을 생성하거나, 원하는 상대방에게 사진을 전송하거나, 날씨 정보를 제공하는 것을 포함 할 수 있다. 사용자 단말(100)은 적어도 하나 이상의 상태(예: 사용자 단말(100)의 동작 상태)를 순차적으로 갖음으로써, 상기 태스크를 수행할 수 있다.
일 실시 예에 따르면, 패스 룰은 인공 지능(artificial intelligent)(AI) 시스템에 의해 제공되거나, 생성될 수 있다. 인공지능 시스템은 룰 베이스 시스템(rule-based system) 일 수도 있고, 신경망 베이스 시스템(neual network-based system)(예: 피드포워드 신경망(feedforward neural network(FNN)), 순환 신경망(recurrent neural network(RNN))) 일 수도 있다. 또는 전술한 것의 조합 또는 이와 다른 인공지능 시스템일 수도 있다. 일 실시 예에 따르면, 패스 룰은 미리 정의된 패스 룰들의 집합에서 선택될 수 있거나, 사용자 요청에 응답하여 실시간으로 생성될 수 있다. 예를 들어, 인공지능 시스템은 미리 정의 된 복수의 패스 룰 중 적어도 패스 룰을 선택하거나, 동적(또는, 실시간)으로 패스 룰을 생성할 수 있다. 또한, 사용자 단말(100)은 패스 룰을 제공하기 위해 하이브리드 시스템을 사용할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 상기 동작을 실행하고, 동작을 실행한 사용자 단말(100)의 상태에 대응되는 화면을 디스플레이에 표시할 수 있다. 다른 예를 들어, 사용자 단말(100)은 상기 동작을 실행하고, 동작을 수행한 결과를 디스플레이에 표시하지 않을 수 있다. 사용자 단말(100)은, 예를 들어, 복수의 동작을 실행하고, 상기 복수의 동작의 일부 결과 만을 디스플레이에 표시할 수 있다. 사용자 단말(100)은, 예를 들어, 마지막 순서의 동작을 실행한 결과만을 디스플레이에 표시할 수 있다. 또 다른 예를 들어, 사용자 단말(100)은 사용자의 입력을 수신하여 상기 동작을 실행한 결과를 디스플레이에 표시할 수 있다.
개인화 정보 서버(300)는 사용자 정보가 저장된 데이터베이스를 포함할 수 있다. 예를 들어, 개인화 정보 서버(300)는 사용자 단말(100)로부터 사용자 정보(예: 컨텍스트 정보, 앱 실행 등)를 수신하여 상기 데이터베이스에 저장할 수 있다. 지능형 서버(200)는 통신망을 통해 개인화 정보 서버(300)로부터 상기 사용자 정보를 수신하여 사용자 입력에 대한 패스 룰을 생성하는 경우에 이용할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 통신망을 통해 개인화 정보 서버(300)로부터 사용자 정보를 수신하여 데이터베이스를 관리하기 위한 정보로 이용할 수 있다.
제안 서버(400)는 단말 내에 기능 혹은 어플리케이션의 소개 또는 제공될 기능에 대한 정보가 저장된 데이터베이스를 포함할 수 있다. 예를 들어, 제안 서버(400)는 개인화 정보 서버(300)로부터 사용자 단말기(100)의 사용자 정보를 수신하여 사용자가 사용 할 수 있는 기능에 대한 데이터베이스를 포함 할 수 있다. 사용자 단말(100)은 통신망을 통해 제안 서버(400)로부터 상기 제공될 기능에 대한 정보를 수신하여 사용자에게 정보를 제공할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 통합 지능화 시스템의 사용자 단말을 나타낸 블록도이다.
도 2를 참조하면, 사용자 단말(100)은 입력 모듈(110), 디스플레이(120), 스피커(130), 메모리(140) 또는 프로세서(150)을 포함할 수 있다. 사용자 단말(100)은 하우징을 더 포함할 수 있고, 상기 사용자 단말(100)의 구성들은 상기 하우징의 내부에 안착되거나 하우징 상에(on the housing) 위치할 수 있다. 사용자 단말(100)은 상기 하우징의 내부에 위치한 통신 회로를 더 포함할 수 있다. 사용자 단말(100)은 상기 통신 회로를 통해 외부 서버(예: 지능형 서버(200))와 데이터(또는, 정보)를 송수신할 수 있다.
일 실시 예에 따른, 입력 모듈(110)은 사용자로부터 사용자 입력을 수신할 수 있다. 예를 들어, 입력 모듈(110)은 연결된 외부 장치(예: 키보드, 헤드셋)로부터 사용자 입력을 수신할 수 있다. 다른 예를 들어, 입력 모듈(110)은 디스플레이(120)와 결합된 터치 스크린(예: 터치 스크린 디스플레이)을 포함할 수 있다. 또 다른 예를 들어, 입력 모듈(110)은 사용자 단말(100)(또는, 사용자 단말(100)의 하우징)에 위치한 하드웨어 키(또는, 물리적 키)를 포함할 수 있다.
일 실시 예에 따르면, 입력 모듈(110)은 사용자의 발화를 음성 신호로 수신할 수 있는 마이크를 포함할 수 있다. 예를 들어, 입력 모듈(110)은 발화 입력 시스템(speech input system)을 포함하고, 상기 발화 입력 시스템을 통해 사용자의 발화를 음성 신호로 수신할 수 있다. 상기 마이크는, 예를 들어, 하우징의 일부분(예: 제1 부분)에 위치할 수 있다.
일 실시 예에 따른, 디스플레이(120)는 이미지나 비디오, 및/또는 어플리케이션의 실행 화면을 표시할 수 있다. 예를 들어, 디스플레이(120)는 앱의 그래픽 사용자 인터페이스(graphic user interface)(GUI)를 표시할 수 있다. 일 실시 예에 따르면, 디스플레이(120)는 하우징의 일부분(예: 제2 부분)에 위치할 수 있다.
일 실시 예에 따르면, 스피커(130)는 음성 신호를 출력할 수 있다. 예를 들어, 스피커(130)는 사용자 단말(100) 내부에서 생성된 음성 신호를 외부로 출력할 수 있다. 일 실시 예에 따르면, 스피커(130)는 하우징의 일부분(예: 제3 부분)에 위치할 수 있다.
일 실시 예에 따르면, 메모리(140)는 복수의 앱(또는, 어플리케이션 프로그램 application program))(141, 143)을 저장할 수 있다. 복수의 앱(141, 143)은, 예를 들어, 사용자 입력에 대응되는 기능을 수행하기 위한 프로그램(program)일 수 있다. 일 실시 예에 따르면, 메모리(140)는 지능형 에이전트(145), 실행 매니저 모듈(147) 또는 지능형 서비스 모듈(149)을 저장할 수 있다. 지능형 에이전트(145), 실행 매니저 모듈(147) 및 지능형 서비스 모듈(149)은, 예를 들어, 수신된 사용자 입력(예: 사용자 발화)을 처리하기 위한 프레임워크(framework)(또는, 어플리케이션 프레임워크(application framework))일 수 있다.
일 실시 예에 따르면, 메모리(140)는 사용자 입력을 인식하는데 필요한 정보를 저장할 수 있는 데이터베이스를 포함할 수 있다. 예를 들어, 메모리(140)은 로그(log) 정보를 저장할 수 있는 로그 데이터베이스를 포함할 수 있다. 다른 예를 들어, 메모리(140)는 사용자 정보를 저장할 수 있는 페르소나 데이터베이스를 포함할 수 있다.
일 실시 예에 따르면, 메모리(140)는 복수의 앱(141, 143)을 저장하고, 복수의 앱(141, 143)은 로드되어 동작할 수 있다. 예를 들어, 메모리(140)에 저장된 복수의 앱(141,143)은 실행 매니저 모듈(147)에 의해 로드되어 동작할 수 있다. 복수의 앱(141, 143)은 기능을 수행하는 실행 서비스 모듈(141a, 143a)을 포함할 수 있다. 일 실시 예에서, 복수의 앱(141,143)은 기능을 수행하기 위해서 실행 서비스 모듈(141a, 143a)를 통해 복수의 동작(예: 상태 들의 시퀀스)(141b, 143b)을 실행할 수 있다. 다시 말해, 실행 서비스 모듈(141a, 143a)는 실행 매니저 모듈(147)에 의해 활성화되고, 복수의 동작 (141b, 143b)을 실행할 수 있다.
일 실시 예에 따르면, 앱(141, 143)의 동작(141b, 143b)이 실행되었을 때, 동작(141b, 143b)의 실행에 따른 실행 상태 화면은 디스플레이(120)에 표시될 수 있다. 상기 실행 상태 화면은, 예를 들어, 동작(141b, 143b)이 완료된 상태의 화면일 수 있다. 상기 실행 상태 화면은, 다른 예를 들어, 동작(141b, 143b)의 실행이 정지된 상태(partial landing)(예: 동작(141b, 143b)에 필요한 파라미터가 입력되지 않은 경우)의 화면일 수 있다.
일 실시 예에 따른, 실행 서비스 모듈(141a, 143a)은 패스 룰에 따라 동작(141b, 143b)을 실행할 수 있다. 예를 들어, 실행 서비스 모듈(141a, 143a)은 실행 매니저 모듈(147)에 의해 활성화되고, 실행 매니저 모듈(147)로부터 상기 패스 룰에 따라 실행 요청을 전달 받고, 상기 실행 요청에 따라 동작(141b, 143b)을 함으로써, 앱(141, 143)의 기능을 실행할 수 있다. 실행 서비스 모듈(141a, 143a)는 상기 동작(141b, 143b)의 수행이 완료되면 완료 정보를 실행 매니저 모듈(147)로 전달할 수 있다.
일 실시 예에 따르면, 앱(141, 143)에서 복수의 동작(141b, 143b)이 실행되는 경우, 복수의 동작(141b, 143b)은 순차적으로 실행될 수 있다. 실행 서비스 모듈(141a, 143a)은 하나의 동작(예: 제1 앱(141)의 동작 1, 제2 앱(143)의 동작 1)의 실행이 완료되면 다음 동작(예: 제1 앱(141)의 동작 2, 제2 앱(143)의 동작 2)을 오픈하고 완료 정보를 실행 매니저 모듈(147)로 송신할 수 있다. 여기서 임의의 동작을 오픈한다는 것은, 임의의 동작을 실행 가능한 상태로 천이시키거나, 임의의 동작의 실행을 준비하는 것으로 이해될 수 있다. 다시 말해서, 임의의 동작이 오픈되지 않으면, 해당 동작은 실행될 수 없다. 실행 매니저 모듈(147)은 상기 완료 정보가 수신되면 다음 동작(예: 제1 앱(141)의 동작 2, 제2 앱(143)의 동작 2)에 대한 실행 요청을 실행 서비스 모듈로 전달할 수 있다. 일 실시 예에 따르면, 복수의 앱(141, 143)이 실행되는 경우, 복수의 앱(141, 143)은 순차적으로 실행될 수 있다. 예를 들어, 제1 앱(141)의 마지막 동작(예: 제1 앱(141)의 동작 3)의 실행이 완료되어 완료 정보를 수신하면, 실행 매니저 모듈(147)은 제2 앱(143)의 첫번째 동작(예: 제2 앱(143)의 동작 1)의 실행 요청을 실행 서비스(143a)로 송신할 수 있다.
일 실시 예에 따르면, 앱(141, 143)에서 복수의 동작(141b, 143b)이 실행된 경우, 상기 실행된 복수의 동작(141b, 143b) 각각의 실행에 따른 결과 화면은 디스플레이(120)에 표시될 수 있다. 일 실시 예에 따르면, 상기 실행된 복수의 동작(141b, 143b)의 실행에 따른 복수의 결과 화면 중 일부만 디스플레이(120)에 표시될 수 있다.
일 실시 예에 따르면, 메모리(140)는 지능형 에이전트(145)와 연동된 지능형 앱(예: 음성 인식 앱)을 저장할 수 있다. 지능형 에이전트(145)와 연동된 앱은 사용자의 발화를 음성 신호로 수신하여 처리할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(145)와 연동된 앱은 입력 모듈(110)을 통해 입력되는 특정 입력(예: 하드웨어 키를 통한 입력, 터치 스크린을 통한 입력, 특정 음성 입력)에 의해 동작될 수 있다.
일 실시 예에 따르면, 메모리(140)에 저장된 지능형 에이전트(145), 실행 매니저 모듈(147) 또는 지능형 서비스 모듈(149)이 프로세서(150)에 의해 실행될 수 있다. 지능형 에이전트(145), 실행 매니저 모듈(147) 또는 지능형 서비스 모듈(149)의 기능은 프로세서(150)에 의해 구현될 수 있다. 상기 지능형 에이전트(145), 실행 매니저 모듈(147) 및 지능형 서비스 모듈(149)의 기능에 대해 프로세서(150)의 동작으로 설명하겠다. 일 실시 예에 따르면, 메모리(140)에 저장된 지능형 에이전트(145), 실행 매니저 모듈(147) 또는 지능형 서비스 모듈(149)는 소프트웨어뿐만 아니라 하드웨어로 구현될 수 있다.
일 실시 예에 따르면, 프로세서(150)는 사용자 단말(100)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(150)는 입력 모듈(110)을 제어하여 사용자 입력을 수신할 수 있다. 프로세서(150)는 디스플레이(120)를 제어하여 이미지를 표시할 수 있다. 프로세서(150)는 스피커(130)를 제어하여 음성 신호를 출력할 수 있다. 프로세서(150)는 메모리(140)를 제어하여 프로그램을 실행시키고, 필요한 정보를 불러오거나 저장할 수 있다. 일 실시 예에 따르면, 프로세서(150)는 입력 모듈(110), 디스플레이(120), 스피커(130) 및 메모리(140)에 동작 가능하게 연결될 수 있다. 예를 들어, 프로세서(150)는 입력 모듈(110), 디스플레이(120), 스피커(130) 및 메모리(140)에 전기적으로 연결될 수 있다.
일 실시 예에 따르면, 프로세서(150)는 메모리(140)에 저장된 지능형 에이전트(145), 실행 매니저 모듈(147) 또는 지능형 서비스 모듈(149)을 실행시킬 수 있다. 이에 따라, 프로세서(150)는 지능형 에이전트(145), 실행 매니저 모듈(147) 또는 지능형 서비스 모듈(149)의 기능을 구현할 수 있다.
일 실시 예에 따른, 프로세서(150)는 지능형 에이전트(145)를 실행하여 사용자 입력으로 수신된 음성 신호에 기초하여 앱을 동작시키는 명령을 생성할 수 있다. 일 실시 예에 따른, 프로세서(150)는 실행 매니저 모듈(147)을 실행하여 상기 생성된 명령에 따라 메모리(140)에 저장된 앱(141, 143)을 실행시킬 수 있다. 일 실시 예에 따르면, 프로세서(150)는 지능형 서비스 모듈(149)을 실행하여 사용자의 정보를 관리하 고, 상기 사용자의 정보를 이용하여 사용자 입력을 처리할 수 있다.
프로세서(150)는 지능형 에이전트(145)를 실행하여 입력 모듈(110)을 통해 수신된 사용자 입력을 지능형 서버(200)로 송신하고, 지능형 서버(200)를 통해 상기 사용자 입력을 처리할 수 있다.
일 실시 예에 따르면, 프로세서(150)는 지능형 에이전트(145)를 실행하여 상기 사용자 입력을 지능형 서버(200)로 송신하기 전에 상기 사용자 입력을 전처리할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(145)는 상기 사용자 입력을 전처리하기 위하여, 적응 반향 제거(adaptive echo canceller)(AEC) 모듈, 노이즈 억제(noise suppression)(NS) 모듈, 종점 검출(end-point detection)(EPD) 모듈 또는 자동 이득 제어(automatic gain control)(AGC) 모듈을 포함할 수 있다. 상기 적응 반향 제거부는 상기 사용자 입력에 포함된 에코(echo)를 제거할 수 있다. 상기 노이즈 억제 모듈은 상기 사용자 입력에 포함된 배경 잡음을 억제할 수 있다. 상기 종점 검출 모듈은 상기 사용자 입력에 포함된 사용자 음성의 종점을 검출하 고, 상기 검출된 종점을 이용하여 사용자의 음성이 존재하는 부분을 찾을 수 있다. 상기 자동 이득 제어 모듈은 상기 사용자 입력을 인식하고, 상기 인식된 사용자 입력을 처리하기 적합하도록 상기 사용자 입력의 음량을 조절할 수 있다. 일 실시 예에 따르면, 프로세서(150)는 성능을 위하여 상기 전처리 구성을 전부 실행시킬 수 있지만, 다른 실시 예에서 프로세서(150)는 저전력으로 동작하기 위해 상기 전처리 구성 중 일부를 실행시킬 수 있다.
일 실시 예에 따르면, 지능형 에이전트(145)는 사용자의 호출을 인식하기 위해 메모리(140)에 저장된 웨이크 업(wake up) 인식 모듈을 실행시킬 수 있다. 이에 따라, 프로세서(150)는 상기 웨이크 업 인식 모듈을 통해 사용자의 웨이크 업 명령을 인식할 수 있고, 상기 웨이크 업 명령을 수신한 경우 사용자 입력을 수신하기 위한 지능형 에이전트(145)를 실행시킬 수 있다. 상기 웨이크 업 인식 모듈은 저전력 프로세서(예: 오디오 코덱에 포함된 프로세서)로 구현될 수 있다. 일 실시 예에 따르면, 프로세서(150)는 하드웨어 키를 통한 사용자 입력을 수신하였을 때 지능형 에이전트(145)를 실행시킬 수 있다. 지능형 에이전트(145)가 실행된 경우, 지능형 에이전트(145)와 연동된 지능형 앱(예: 음성 인식 앱)이 실행될 수 있다.
일 실시 예에 따르면, 지능형 에이전트(145)는 사용자 입력을 실행하기 위한 음성 인식 모듈을 포함할 수 있다. 프로세서(150)는 상기 음성 인식 모듈을 통해 앱에서 동작을 실행하도록 하기 위한 사용자 입력을 인식할 수 있다. 예를 들어, 프로세서(150)는 상기 음성 인식 모듈을 통해 앱(141, 143)에서 상기 웨이크 업 명령과 같은 동작을 실행하는 제한된 사용자 (음성) 입력(예: 카메라 앱이 실행 중일 때 촬영 동작을 실행시키는 “찰칵”과 같은 발화 등)을 인식할 수 있다. 프로세서(150)는 상기 지능형 서버(200)를 보조하여 상기 음성 인식 모듈을 통해 사용자 단말(100)내에서 처리할 수 있는 사용자 명령을 인식하여 빠르게 처리할 수 있다. 일 실시 예에 따르면, 사용자 입력을 실행하기 위한 지능형 에이전트(145)의 음성 인식 모듈은 앱 프로세서에서 구현될 수 있다.
일 실시 예에 따르면, 지능형 에이전트(145)의 음성 인식 모듈(웨이크 업 모듈의 음성 인식 모듈을 포함)은 음성을 인식하기 위한 알고리즘을 이용하여 사용자 입력을 인식할 수 있다. 상기 음성을 인식하기 위해 사용되는 알고리즘은, 예를 들어, HMM(hidden markov model) 알고리즘, ANN(artificial neural network) 알고리즘 또는 DTW(dynamic time warping) 알고리즘 중 적어도 하나일 수 있다.
일 실시 예에 따르면, 프로세서(150)는 지능형 에이전트(145)를 실행하여 사용자의 음성 입력을 텍스트 데이터로 변환할 수 있다. 예를 들어, 프로세서(150)는 지능형 에이전트(145)를 통해 사용자의 음성을 지능형 서버(200)로 송신하고, 지능형 서버(200)로부터 사용자의 음성에 대응되는 텍스트 데이터를 수신할 수 있다. 이에 따라, 프로세서(150) 는 상기 변환된 텍스트 데이터를 디스플레이(120)에 표시할 수 있다.
일 실시 예에 따르면, 프로세서(150)는 지능형 에이전트(145)를 실행하여 지능형 서버(200)로부터 패스 룰을 수신할 수 있다. 일 실시 예에 따르면, 프로세서(150)는 지능형 에이전트(145)를 통해 상기 패스 룰을 실행 매니저 모듈(147)로 전달할 수 있다.
일 실시 예에 따르면, 프로세서(150)는 지능형 에이전트(145)를 실행하여 지능형 서버(200)로부터 수신된 패스 룰에 따른 실행 결과 로그(log)를 지능형 서비스(intelligence service) 모듈(149)로 전달하고, 상기 전달된 실행 결과 로그는 페르소나 모듈(persona manager)(149b)의 사용자의 선호(preference) 정보에 누적되어 관리될 수 있다.
일 실시 예에 따른, 프로세서(150)는 실행 매니저 모듈(147)을 실행하여 지능형 에이전트(145)로부터 패스 룰을 전달받아 앱(141, 143)을 실행시키고, 앱(141, 143)이 상기 패스 룰에 포함된 동작(141b, 143b)을 실행하도록 할 수 있다. 예를 들어, 프로세서(150)는 실행 매니저 모듈(147)을 통해 앱(141, 143)으로 동작(141b, 143b)을 실행하기 위한 명령 정보(예: 패스 룰 정보)를 송신할 수 있고, 상기 앱(141, 143)로부터 동작(141b, 143b)의 완료 정보를 전달 받을 수 있다.
일 실시 예에 따르면, 프로세서(150)는 실행 매니저 모듈(147)을 실행하여 지능형 에이전트(145)와 앱(141, 143)의 사이에서 앱(141, 143)의 동작(141b, 143b)을 실행하기 위한 명령 정보(예: 패스 룰 정보)를 전달할 수 있다. 프로세서(150)는 실행 매니저 모듈(147)을 통해 상기 패스 룰에 따라 실행할 앱(141, 143)을 바인딩(binding)하고, 상기 패스 룰에 포함된 동작(141b, 143b)의 명령 정보(예: 패스 룰 정보)를 앱(141, 143)으로 전달할 수 있다. 예를 들어, 프로세서(150)는 실행 매니저 모듈(147)을 통해 상기 패스 룰에 포함된 동작(141b, 143b)을 순차적으로 앱(141, 143)으로 전달하여, 앱(141, 143)의 동작(141b, 143b)을 상기 패스 룰에 따라 순차적으로 실행시킬 수 있다.
일 실시 예에 따르면, 프로세서(150)는 실행 매니저 모듈(147)을 실행하여 앱(141, 143)의 동작(141b, 143b)의 실행 상태를 관리할 수 있다. 예를 들어, 프로세서(150)는 실행 매니저 모듈(147)을 통해 앱(141, 143)으로부터 상기 동작(141b, 143b)의 실행 상태에 대한 정보를 전달 받을 수 있다. 상기 동작(141b, 143b)의 실행 상태가, 예를 들어, 정지된 상태(partial landing)인 경우(예: 동작(141b, 143b)에 필요한 파라미터가 입력되지 않은 경우), 프로세서(150)는 실행 매니저 모듈(147)을 통해 상기 정지된 상태에 대한 정보를 지능형 에이전트(145)로 전달할 수 있다. 프로세서(150)는 지능형 에이전트(145)를 통해 상기 전달 받은 정보를 이용하여, 사용자에게 필요한 정보(예: 파라미터 정보)의 입력을 요청할 수 있다. 상기 동작(141b, 143b)의 실행 상태가, 다른 예를 들어, 동작 상태인 경우, 프로세서(150)는 지능형 에이전트(145)를 통해 사용자로부터 발화를 수신할 수 있 다. 프로세서(150)는 실행 매니저 모듈(147)를 통해 상기 실행되고 있는 앱(141, 143) 및 앱(141, 143)의 실행 상태에 대한 정보를 지능형 에이전트(145)로 전달할 수 있다. 프로세서(150)는 지능형 에이전트(145)를 통해 상기 사용자 발화를 지능형 서버(200)로 송신할 수 있다. 프로세서(150)는 지능형 에이전트(145)를 통해 지능형 서버(200)로부터 상기 사용자의 발화의 파라미터 정보를 수신할 수 있 다. 프로세서(150)는 지능형 에이전트(145)를 통해 상기 수신된 파라미터 정보를 실행 매니저 모듈(147)로 전달할 수 있다. 실행 매니저 모듈(147)은 상기 수신한 파라미터 정보를 이용하여 동작(141b, 143b)의 파라미터를 새로운 파라미터로 변경할 수 있다.
일 실시 예에 따르면, 프로세서(150)는 실행 매니저 모듈(147)을 실행하여 패스 룰에 포함된 파라미터 정보를 앱(141, 143)로 전달할 수 있다. 상기 패스 룰에 따라 복수의 앱(141, 143)이 순차적으로 실행되는 경우, 실행 매니저 모듈(147)은 하나의 앱에서 다른 앱으로 패스 룰에 포함된 파라미터 정보를 전달할 수 있다.
일 실시 예에 따르면, 프로세서(150)는 실행 매니저 모듈(147)을 실행하여 복수의 패스 룰을 수신할 수 있다. 프로세서(150)는 실행 매니저 모듈(147)을 통해 사용자의 발화에 기초하여 복수의 패스 룰이 선택될 수 있다. 예를 들어, 프로세서(150)는 실행 매니저 모듈(147)을 통해 사용자의 발화가 일부 동작(141a)을 실행할 일부 앱(141)을 특정하였지만, 나머지 동작(143b)을 실행할 다른 앱(143)을 특정하지 않은 경우, 일부 동작(141a)를 실행할 동일한 앱(141)(예: 갤러리 앱)이 실행되고 나머지 동작(143b)를 실행할 수 있는 서로 다른 앱(143)(예: 메시지 앱, 텔레그램 앱)이 각각 실행되는 서로 다른 복수의 패스 룰을 수신할 수 있다. 프로세서(150)는, 예를 들어, 실행 매니저 모듈(147)을 통해 상기 복수의 패스 룰의 동일한 동작(141b, 143b)(예: 연속된 동일한 동작(141b, 143b))을 실행할 수 있다. 프로세서(150)는 상기 동일한 동작까지 실행한 경우, 실행 매니저 모듈(147)을 통해 상기 복수의 패스 룰에 각각 포함된 서로 다른 앱(141, 143)을 선택할 수 있는 상태 화면을 디스플레이(120)에 표시할 수 있다.
일 실시 예에 따르면, 지능형 서비스 모듈(149)은 컨텍스트 모듈(149a), 페르소나 모듈(149b) 또는 제안 모듈(149c)을 포함할 수 있다.
프로세서(150)는 컨텍스트 모듈(149a)을 실행하여 앱(141, 143)으로부터 앱(141, 143)의 현재 상태를 수집할 수 있다. 예를 들어, 프로세서(150)는 컨텍스트 모듈(149a)을 실행하여 앱(141, 143)의 현재 상태를 나타내는 컨텍스트 정보를 수신하고, 상기 수신된 컨텍스트 정보를 통해 앱(141, 143)의 현재 상태를 수집할 수 있다.
프로세서(150)는 페르소나 모듈(149b)을 실행하여 사용자 단말(100)을 사용하는 사용자의 개인 정보를 관리할 수 있다. 예를 들어, 프로세서(150)는 페르소나 모듈(149b)을 실행하여 사용자 단말(100)의 사용 정보 및 수행 결과를 수집하고, 상기 수집된 사용자 단말(100)의 사용 정보 및 수행 결과를 이용하여 사용자의 개인 정보를 관리할 수 있다.
프로세서(150)는 제안 모듈(149c)을 실행하여 사용자의 의도를 예측하고, 상기 사용자의 의도에 기초하여 사용자에게 명령을 추천해줄 수 있다. 예를 들어, 프로세서(150)는 제안 모듈(149c)을 실행하여 사용자의 현재 상태(예: 시간, 장소, 상황, 앱)에 따라 사용자에게 명령을 추천해줄 수 있다.
도 3은 본 발명의 일 실시 예에 따른 사용자 단말의 지능형 앱을 실행시키는 것을 나타낸 도면이다.
도 3을 참조하면, 사용자 단말(100)이 사용자 입력을 수신하여 지능형 에이전트(145)와 연동된 지능형 앱(예: 음성 인식 앱)을 실행시키는 것을 나타낸 것이다.
일 실시 예에 따르면, 사용자 단말(100)은 하드웨어 키(112)를 통해 음성을 인식하기 위한 지능형 앱을 실행시킬 수 있다. 예를 들어, 사용자 단말(100)은 하드웨어 키(112)를 통해 사용자 입력을 수신한 경우 디스플레이(120)에 지능형 앱의 UI(user interface)(121)를 표시할 수 있다. 사용자는, 예를 들어, 지능형 앱의 UI(121)가 디스플레이(120)에 표시된 상태에서 음성을 입력(111b)하기 위해 지능형 앱의 UI(121)에 음성인식 버튼(121a)를 터치할 수 있다. 사용자는, 다른 예를 들어, 음성을 입력(120b)하기 위해 상기 하드웨어 키(112)를 지속적으로 눌러서 음성을 입력(120b)을 할 수 있다.
일 실시 예에 따르면, 사용자 단말(100)은 마이크(111)를 통해 음성을 인식하기 위한 지능형 앱을 실행시킬 수 있다. 예를 들어, 사용자 단말(100)은 마이크(111)를 통해 지정된 음성(예: 일어나!(wake up!))이 입력(111a)된 경우 디스플레이(120)에 지능형 앱의 UI(121)를 표시할 수 있다.
도 4는 일 실시 예에 따른 통합 지능화 시스템의 지능형 서버를 나타낸 블록도이다.
도 4를 참조하면, 지능형 서버(200)는 자동 음성 인식(automatic speech recognition)(ASR) 모듈(210), 자연어 이해(natural language understanding)(NLU) 모듈(220), 패스 플래너(path planner) 모듈(230), 대화 매니저(dialogue manager)(DM) 모듈(240), 자연어 생성(natural language generator)(NLG) 모듈(250) 또는 텍스트 음성 변환(text to speech)(TTS) 모듈(260)을 포함할 수 있다. 일 실시 예에 따르면, 지능형 서버(200)는 통신 회로, 메모리 및 프로세서를 포함할 수 있다. 상기 프로세서는 상기 메모리에 저장된 자동 음성 인식 모듈(210), 자연어 이해 모듈(220), 패스 플래너 모듈(230), 대화 매니저 모듈(240), 자연어 생성 모듈(250) 및 텍스트 음성 변환 모듈(260)을 실행하여 기능을 실행시킬 수 있다. 지능형 서버(200)는 상기 통신 회로를 통해 외부 전자 장치(예: 사용자 단말(100))와 데이터(또는, 정보)를 송수신할 수 있다.
지능형 서버(200)의 자연어 이해 모듈(220) 또는 패스 플래너 모듈(230)은 패스 룰(path rule)을 생성할 수 있다.
일 실시 예에 따르면, 자동 음성 인식(automatic speech recognition)(ASR) 모듈(210)은 사용자 단말(100)로부터 수신된 사용자 입력을 텍스트 데이터로 변환할 수 있다.
일 실시 예에 따르면, 자동 음성 인식 모듈(210)은 사용자 단말(100)로부터 수신된 사용자 입력을 텍스트 데이터로 변환할 수 있다. 예를 들어, 자동 음성 인식 모듈(210)은 발화 인식 모듈을 포함할 수 있다. 상기 발화 인식 모듈은 음향(acoustic) 모델 및 언어(language) 모델을 포함할 수 있다. 예를 들어, 상기 음향 모델은 발성에 관련된 정보를 포함할 수 있고, 상기 언어 모델은 단위 음소 정보 및 단위 음소 정보의 조합에 대한 정보를 포함할 수 있다. 상기 발화 인식 모듈은 발성에 관련된 정보 및 단위 음소 정보에 대한 정보를 이용하여 사용자 발화를 텍스트 데이터로 변환할 수 있다. 상기 음향 모델 및 언어 모델에 대한 정보는, 예를 들어, 자동 음성 인식 데이터베이스(automatic speech recognition database)(ASR DB)(211)에 저장될 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자 의도를 파악할 수 있다. 상기 문법적 분석은 사용자 입력을 문법적 단위(예: 단어, 구, 형태소 등)로 나누고, 상기 나누어진 단위가 어떤 문법적인 요소를 갖는지 파악할 수 있다. 상기 의미적 분석은 의미(semantic) 매칭, 룰(rule) 매칭, 포뮬러(formula) 매칭 등을 이용하여 수행할 수 있다. 이에 따라, 자연어 이해 모듈(220)은 사용자 입력이 어느 도메인(domain), 의도(intent) 또는 상기 의도를 표현하는데 필요한 파라미터(parameter)(또는, 슬롯(slot))를 얻을 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 도메인(domain), 의도(intend) 및 상기 의도를 파악하는데 필요한 파라미터(parameter)(또는, 슬롯(slot))로 나누어진 매칭 규칙을 이용하여 사용자의 의도 및 파라미터를 결정할 수 있다. 예를 들어, 상기 하나의 도메인(예: 알람)은 복수의 의도(예: 알람 설정, 알람 해제 등)를 포함할 수 있고, 하나의 의도는 복수의 파라미터(예: 시간, 반복 횟수, 알람음 등)을 포함할 수 있다. 복수의 룰은, 예를 들어, 하나 이상의 필수 요소 파라미터를 포함할 수 있다. 상기 매칭 규칙은 자연어 인식 데이터베이스(natural language understanding database)(NLU DB)(221)에 저장될 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 형태소, 구 등의 언어적 특징(예: 문법적 요소)을 이용하여 사용자 입력으로부터 추출된 단어의 의미를 파악하고, 상기 파악된 단어의 의미를 도메인 및 의도에 매칭시켜 사용자의 의도를 결정할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 각각의 도메인 및 의도에 사용자 입력에서 추출된 단어가 얼마나 포함되어 있는 지를 계산하여 사용자 의도를 결정할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(220)은 상기 의도를 파악하는데 기초가 된 단어를 이용하여 사용자 입력의 파라미터를 결정할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력의 의도를 파악하기 위한 언어적 특징이 저장된 자연어 인식 데이터베이스(221)를 이용하여 사용자의 의도를 결정할 수 있다. 다른 실시 예에 따르면, 자연어 이해 모듈(220)은 개인화 언어 모델(personal language model)(PLM)을 이용하여 사용자의 의도를 결정할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 개인화된 정보(예: 연락처 리스트, 음악 리스트)를 이용하여 사용자의 의도를 결정할 수 있다. 상기 개인화 언어 모델은, 예를 들어, 자연어 인식 데이터베이스(221)에 저장될 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(220)뿐만 아니라 자동 음성 인식 모듈(210)도 자연어 인식 데이터베이스(221)에 저장된 개인화 언어 모델을 참고하여 사용자의 음성을 인식할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력의 의도 및 파라미터에 기초하여 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 사용자 입력의 의도에 기초하여 실행될 앱을 선택하고, 상기 선택된 앱에서 수행될 동작을 결정할 수 있다. 상자연어 이해 모듈(220)은 상기 결정된 동작에 대응되는 파라미터를 결정하여 패스 룰을 생성할 수 있다. 일 실시 예에 따르면, 자연어 이해 모듈(220)에 의해 생성된 패스 룰은 실행될 앱, 상기 앱에서 실행될 동작(예: 적어도 하나 이상의 상태(state)) 및 상기 동작을 실행하는데 필요한 파라미터에 대한 정보를 포함할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력의 의도 및 파라미터를 기반으로 하나의 패스 룰, 또는 복수의 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 패스 플래너 모듈(230)로부터 사용자 단말(100)에 대응되는 패스 룰 셋을 수신하고, 사용자 입력의 의도 및 파라미터를 상기 수신된 패스 룰 셋에 매핑하여 패스 룰을 결정할 수 있다.
다른 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력의 의도 및 파라미터에 기초하여 실행될 앱, 상기 앱에서 실행될 동작 및 상기 동작을 실행하는데 필요한 파라미터를 결정하여 하나의 패스 룰, 또는 복수의 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 사용자 단말(100)의 정보를 이용하여 상기 실행될 앱 및 상기 앱에서 실행될 동작을 사용자 입력의 의도에 따라 온톨로지(ontology) 또는 그래프 모델(graph model) 형태로 배열하여 패스 룰을 생성할 수 있다. 상기 생성된 패스 룰은, 예를 들어, 패스 플래너 모듈(230)를 통해 패스 룰 데이터베이스(path rule database)(PR DB)(231)에 저장될 수 있다. 상기 생성된 패스 룰은 데이터베이스(231)의 패스 룰 셋에 추가될 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 생성된 복수의 패스 룰 중 적어도 하나의 패스 룰을 선택할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 상기 복수의 패스 룰 최적의 패스 룰을 선택할 수 있다. 다른 예를 들어, 자연어 이해 모듈(220)은 사용자 발화에 기초하여 일부 동작만이 특정된 경우 복수의 패스 룰을 선택할 수 있다. 자연어 이해 모듈(220)은 사용자의 추가 입력에 의해 상기 복수의 패스 룰 중 하나의 패스 룰을 결정할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력에 대한 요청으로 패스 룰을 사용자 단말(100)로 송신할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 사용자 입력에 대응되는 하나의 패스 룰을 사용자 단말(100)로 송신할 수 있다. 다른 예를 들어, 자연어 이해 모듈(220)은 사용자 입력에 대응되는 복수의 패스 룰을 사용자 단말(100)로 송신할 수 있다. 상기 복수의 패스 룰은, 예를 들어, 사용자 발화에 기초하여 일부 동작만이 특정된 경우 자연어 이해 모듈(220)에 의해 생성될 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)은 복수의 패스 룰 중 적어도 하나의 패스 룰을 선택할 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)은 자연어 이해 모듈(220)로 복수의 패스 룰을 포함하는 패스 룰 셋을 전달할 수 있다. 상기 패스 룰 셋의 복수의 패스 룰은 패스 플래너 모듈(230)에 연결된 패스 룰 데이터베이스(231)에 테이블 형태로 저장될 수 있다. 예를 들어, 패스 플래너 모듈(230)은 지능형 에이전트(145)로부터 수신된 사용자 단말(100)의 정보(예: OS 정보, 앱 정보)에 대응되는 패스 룰 셋을 자연어 이해 모듈(220)로 전달할 수 있다. 상기 패스 룰 데이터베이스(231)에 저장된 테이블은, 예를 들어, 도메인 또는 도메인의 버전 별로 저장될 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)은 패스 룰 셋에서 하나의 패스 룰, 또는 복수의 패스 룰을 선택하여 자연어 이해 모듈(220)로 전달할 수 있다. 예를 들어, 패스 플래너 모듈(230)은 사용자의 의도 및 파라미터를 사용자 단말(100) 에 대응되는 패스 룰 셋에 매칭하여 하나의 패스 룰, 또는 복수의 패스 룰을 선택하여 자연어 이해 모듈(220)로 전달할 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)은 사용자 의도 및 파라미터를 이용하여 하나의 패스 룰, 또는 복수의 패스 룰을 생성할 수 있다. 예를 들어, 패스 플래너 모듈(230)은 사용자 의도 및 파라미터에 기초하여 실행될 앱 및 상기 앱에서 실행될 동작을 결정하여 하나의 패스 룰, 또는 복수의 패스 룰을 생성할 수 있다. 일 실시 예에 따르면, 패스 플래너 모듈(230)은 상기 생성된 패스 룰을 패스 룰 데이터베이스(231)에 저장할 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)은 자연어 이해 모듈(220)에서 생성된 패스 룰을 패스 룰 데이터베이스(231)에 저장할 수 있다. 상기 생성된 패스 룰은 패스 룰 데이터베이스(231)에 저장된 패스 룰 셋에 추가될 수 있다.
일 실시 예에 따르면, 패스 룰 데이터베이스(231)에 저장된 테이블에는 복수의 패스 룰 또는 복수의 패스 룰 셋을 포함할 수 있다. 복수의 패스 룰 또는 복수의 패스 룰 셋은 각 패스 룰을 수행하는 장치의 종류, 버전, 타입, 또는 특성을 반영할 수 있다.
일 실시 예에 따르면, 대화 매니저 모듈(240)은 자연어 이해 모듈(220)에 의해 파악된 사용자의 의도가 명확한지 여부를 판단할 수 있다. 예를 들어, 대화 매니저 모듈(240)은 파라미터의 정보가 충분하지 여부에 기초하여 사용자의 의도가 명확한지 여부를 판단할 수 있다. 대화 매니저 모듈(240)은 자연어 이해 모듈(220)에서 파악된 파라미터가 태스크를 수행하는데 충분한지 여부를 판단할 수 있다. 일 실시 예에 따르면, 대화 매니저 모듈(240)은 사용자의 의도가 명확하지 않은 경우 사용자에게 필요한 정보를 요청하는 피드백을 수행할 수 있다. 예를 들어, 대화 매니저 모듈(240)은 사용자의 의도를 파악하기 위한 파라미터에 대한 정보를 요청하는 피드백을 수행할 수 있다.
일 실시 예에 따르면, 대화 매니저 모듈(240)은 컨텐츠 제공(content provider) 모듈을 포함할 수 있다. 상기 컨텐츠 제공 모듈은 자연어 이해 모듈(220)에서 파악된 의도 및 파라미터에 기초하여 동작을 수행할 수 있는 경우, 사용자 입력에 대응되는 태스크를 수행한 결과를 생성할 수 있다. 일 실시 예에 따르면, 대화 매니저 모듈(240)은 사용자 입력에 대한 응답으로 상기 컨텐츠 제공 모듈에서 생성된 상기 결과를 사용자 단말(100)로 송신할 수 있다.
일 실시 예에 따르면, 자연어 생성 모듈(NLG)(250)은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 상기 지정된 정보는, 예를 들어, 추가 입력에 대한 정보, 사용자 입력에 대응되는 동작의 완료를 안내하는 정보 또는 사용자의 추가 입력을 안내하는 정보(예: 사용자 입력에 대한 피드백 정보)일 수 있다. 상기 텍스트 형태로 변경된 정보는 사용자 단말(100)로 송신되어 디스플레이(120)에 표시되거나, 텍스트 음성 변환 모듈(260)로 송신되어 음성 형태로 변경될 수 있다.
일 실시 예에 따르면, 텍스트 음성 변환 모듈(260)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다. 텍스트 음성 변환 모듈(260)은 자연어 생성 모듈(250)로부터 텍스트 형태의 정보를 수신하고, 상기 텍스트 형태의 정보를 음성 형태의 정보로 변경하여 사용자 단말(100)로 송신할 수 있다. 사용자 단말(100)은 상기 음성 형태의 정보를 스피커(130)로 출력할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220), 패스 플래너 모듈(230) 및 대화 매니저 모듈(240)은 하나의 모듈로 구현될 수 있다. 예를 들어, 자연어 이해 모듈(220), 패스 플래너 모듈(230) 및 대화 매니저 모듈(240)은 하나의 모듈로 구현되어 사용자의 의도 및 파라미터를 결정하고, 상기 결정된 사용자의 의도 및 파라미터에 대응되는 응답(예: 패스 룰)을 생성할 수 있다. 이에 따라, 생성된 응답은 사용자 단말(100)로 송신될 수 있다.
도 5는 일 실시 예에 따른 자연어 이해 모듈(natural language understanding)(NLU)의 패스 룰(path rule)을 생성하는 방법을 나타낸 도면이다.
도 5를 참조하면, 일 실시 예에 따른, 자연어 이해 모듈(220)은 앱의 기능을 어느 하나 동작(예: 상태 A 내지 상태 F)으로 구분하여 패스 룰 데이터베이스(231)에 저장할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 어느 하나의 동작(예: 상태)으로 구분된 복수의 패스 룰(A-B1-C1, A-B1-C2, A-B1-C3-D-F, A-B1-C3-D-E-F)을 포함하는 패스 룰 셋을 패스 룰 데이터베이스(231)에 저장할 수 있다.
일 실시 예에 따르면, 패스 플래너 모듈(230)의 패스 룰 데이터베이스(231)는 앱의 기능을 수행하기 위한 패스 룰 셋을 저장할 수 있다. 상기 패스 룰 셋은 복수의 동작(예: 상태들의 시퀀스)을 포함하는 복수의 패스 룰을 포함할 수 있다. 상기 복수의 패스 룰은 복수의 동작 각각에 입력되는 파라미터에 따라 실행되는 동작이 순차적으로 배열될 수 있다. 일 실시 예에 따르면, 상기 복수의 패스 룰은 온톨로지(ontology) 또는 그래프 모델(graph model) 형태로 구성되어 패스 룰 데이터베이스(231)에 저장될 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력의 의도 및 파라미터에 대응되는 상기 복수의 패스 룰(A-B1-C1, A-B1-C2, A-B1-C3-D-F, A-B1-C3-D-E-F) 중에 최적의 패스 룰(A-B1-C3-D-F)을 선택할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 입력에 완벽히 매칭되는 패스 룰이 없는 경우 사용자 단말(100)에 복수의 룰을 전달할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 사용자 입력에 부분적으로 대응된 패스 룰(예: A-B1)을 선택할 수 있다. 자연어 이해 모듈(220)은 사용자 입력에 부분적으로 대응된 패스 룰(예: A-B1)을 포함하는 하나 이상의 패스 룰(예: A-B1-C1, A-B1-C2, A-B1-C3-D-F, A-B1-C3-D-E-F)을 선택하여 사용자 단말(100)에 전달할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 사용자 단말(100)의 추가 입력에 기초하여 복수의 패스 룰 중 하나를 선택하고, 상기 선택된 하나의 패스 룰을 사용자 단말(100)에 전달 할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 사용자 단말(100)에서 추가로 입력된 사용자 입력(예: C3를 선택하는 입력)에 따라 복수의 패스 룰(예: A-B1-C1, A-B1-C2, A-B1-C3-D-F, A-B1-C3-D-E-F) 중 하나의 패스 룰(예: A-B1-C3-D-F)을 선택하여 사용자 단말(100)에 송신할 수 있다.
또 다른 실시 예에 따르면, 자연어 이해 모듈(220)은 자연어 이해 모듈(220)을 통해 사용자 단말(100)에 추가로 입력된 사용자 입력(예: C3를 선택하는 입력)에 대응되는 사용자의 의도 및 파라미터를 결정할 수 있고, 상기 결정된 사용자의 의도 또는 파라미터를 사용자 단말(100)로 송신할 수 있다. 사용자 단말(100)은 상기 송신된 의도 또는 상기 파라미터에 기초하여, 복수의 패스 룰(예: A-B1-C1, A-B1-C2, A-B1-C3-D-F, A-B1-C3-D-E-F) 중 하나의 패스 룰(예: A-B1-C3-D-F)을 선택할 수 있다.
이에 따라, 사용자 단말(100)은 상기 선택된 하나의 패스 룰에 의해 앱(141, 143)의 동작을 완료시킬 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 정보가 부족한 사용자 입력이 지능형 서버(200)에 수신된 경우, 상기 수신한 사용자 입력에 부분적으로 대응되는 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(220)은 상기 부분적으로 대응된 패스 룰을 지능형 에이전트(145)로 송신할 수 있다. 프로세서(150)는 지능형 에이전트(145)를 실행하여 상기 패스 룰을 수신하고, 실행 매니저 모듈(147)로 상기 부분적으로 대응된 패스 룰을 전달할 수 있다. 프로세서(150)는 실행 매니저 모듈(147)를 통해 상기 패스 룰에 따라 제1 앱(141)을 실행시킬 수 있다. 프로세서(150)는 실행 매니저 모듈(147)을 통해 제1 앱(141)을 실행하면서 부족한 파라미터에 대한 정보를 지능형 에이전트(145)로 송신할 수 있다. 프로세서(150)는 지능형 에이전트(145)를 통해 상기 부족한 파라미터에 대한 정보를 이용하여 사용자에게 추가 입력을 요청할 수 있다. 프로세서(150)는 지능형 에이전트(145)를 통해 사용자에 의해 추가 입력이 수신되면 사용자 입력을 지능형 서버(200)로 송신하여 처리할 수 있다. 자연어 이해 모듈(220)은 상기 추가로 입력된 사용자 입력의 의도 및 파라미터 정보에 기초하여 추가된 패스 룰을 생성하여 지능형 에이전트(145)로 송신할 수 있다. 프로세서(150)는 지능형 에이전트(145)를 통해 실행 매니저 모듈(147)로 상기 패스 룰을 송신하여 제2 앱(143)을 실행할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(220)은 일부 정보가 누락된 사용자 입력이 지능형 서버(200)에 수신된 경우, 개인화 정보 서버(300)로 사용자 정보 요청을 송신할 수 있다. 개인화 정보 서버(300)는 페르소나 데이터베이스에 저장된 사용자 입력을 입력한 사용자의 정보를 자연어 이해 모듈(220)로 송신할 수 있다. 자연어 이해 모듈(220)은 상기 사용자 정보를 이용하여 일부 동작이 누락된 사용자 입력에 대응되는 패스 룰을 선택할 수 있다. 이에 따라, 자연어 이해 모듈(220)은 일부 정보가 누락된 사용자 입력이 지능형 서버(200)에 수신되더라도, 누락된 정보를 요청하여 추가 입력을 받거나 사용자 정보를 이용하여 상기 사용자 입력에 대응되는 패스 룰을 결정할 수 있다.
하기에 첨부된 표 1은 일 실시 예에 따른 사용자가 요청한 태스크와 관련한 패스 룰의 예시적 형태를 나타낼 수 있다.
Path rule ID State parameter
Gallery_101 pictureView(25) NULL
searchView(26) NULL
searchViewResult(27) Location,time
SearchEmptySelectedView(28) NULL
SearchSelectedView(29) ContentType,selectall
CrossShare(30) anaphora
표 1을 참조하면, 사용자 발화(예: “사진 공유해줘”)에 따라 지능형 서버(도 1의 지능형 서버(200))에서 생성 또는 선택되는 패스 룰은 적어도 하나의 상태(state)(25, 26, 27, 28, 29 또는 30)를 포함할 수 있다. 예를 들어, 상기 적어도 하나의 상태 (예: 단말의 어느 한 동작 상태)는 사진 어플리케이션 실행(PicturesView)(25), 사진 검색 기능 실행(SearchView)(26), 검색 결과 표시 화면 출력(SearchViewResult)(27), 사진이 미(non)선택된 검색 결과 표시 화면 출력(SearchEmptySelectedView)(28), 적어도 하나의 사진이 선택된 검색 결과 표시 화면 출력(SearchSelectedView)(29) 또는 공유 어플리케이션 선택 화면 출력(CrossShare)(30) 중 적어도 하나에 해당될 수 있다.
일 실시 예에서, 상기 패스 룰의 파라미터 정보는 적어도 하나의 상태(state)에 대응될 수 있다. 예를 들어, 상기 적어도 하나의 사진이 선택된 검색 결과 표시 화면 출력(29) 상태에 포함될 수 있다.
상기 상태(25, 26, 27, 28, 29)들의 시퀀스를 포함한 패스 룰의 수행 결과 사용자가 요청한 태스크 (예: “사진 공유해줘!”)가 수행될 수 있다.
도 6은 일 실시 예에 따른 지능형 비전 시스템을 나타낸 블록도이다.
도 6을 참조하면, 지능형 비전 시스템(600)은 사용자 단말(610), 지능형 서버(620) 및 비전 서버(630)을 포함할 수 있다. 지능형 비전 시스템(600)은 도 1의 통합 지능화 시스템(10)에 비전 서버(630)를 더 포함하는 시스템일 수 있다. 지능형 비전 시스템(600)의 사용자 단말(610) 및 지능형 서버(620)는 통합 지능화 시스템(10)의 사용자 단말(100) 및 지능형 서버(200)와 유사할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 지능형 에이전트(611), 실행 매니저 모듈(613) 및 비전 에이전트(615)를 포함할 수 있다. 사용자 단말(610)의 지능형 에이전트(611) 및 실행 매니저 모듈(613)은 도 1의 사용자 단말(100)의 지능형 에이전트(145) 및 실행 매니저 모듈(147)과 유사할 수 있다. 지능형 에이전트(611), 실행 매니저 모듈(613) 및 비전 에이전트(615)는, 예를 들어, 사용자 발화를 처리하기 위한 프레임워크일 수 있다. 지능형 에이전트(611), 실행 매니저 모듈(613) 및 비전 에이전트(615)는 메모리에 저장될 수 있다. 다시 말해, 지능형 에이전트(611), 실행 매니저 모듈(613) 및 비전 에이전트(615)는 프로세서에 의해 실행되어 기능을 구현할 수 있다.
일 실시 예에 따르면, 지능형 에이전트(611)는 사용자 입력(예: 사용자 발화)을 수신할 수 있다. 예를 들어, 지능형 에이전트(611)는 디스플레이에 표시된 이미지와 관련된 사용자 입력을 수신할 수 있다. 상기 이미지는, 예를 들어, 적어도 하나의 오브젝트를 포함할 수 있다. 상기 사용자 입력은 상기 이미지 상의 적어도 하나의 오브젝트와 관련된 태스크를 수행하는 요청을 포함할 수 있다. 일 실시 예에 따르면, 상기 이미지는 프리뷰 이미지(preview image)이거나, 스틸 이미지(still image)일 수 있다. 상기 스틸 이미지는 상기 프리뷰 이미지에서 캡쳐된 이미지일 수 있다.
일 실시 예에 따르면, 지능형 에이전트(611)는 수신된 사용자 입력을 지능형 서버(620)로 송신할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(611)는 지능형 서버(620)로부터 상기 사용자 입력에 대응되는 제1 응답을 수신할 수 있다. 상기 제1 응답은, 예를 들어, 사용자 단말(610)의 상태들의 시퀀스 및 상기 상태들을 갖기 위한 동작을 실행하기 위한 파라미터를 포함하는 패스 룰을 포함할 수 있다. 일 실시 예에 따르면, 지능형 에이전트(611)는 수신된 패스 룰을 실행 매니저 모듈(613)로 전달할 수 있다.
일 실시 예에 따르면, 실행 매니저 모듈(613)은 지능형 에이전트(611)로부터 패스 룰을 전달 받고, 상기 전달 받은 패스 룰에 따라 앱을 실행시킬 수 있다. 예를 들어, 실행 매니저 모듈(613)은 상기 전달 받은 패스 룰에 따라 비전 에이전트(615)를 실행시키고, 이미지와 관련된 태스크를 수행하는 동작을 실행시킬 수 있다.
일 실시 예에 따르면, 비전 에이전트(615)는 이미지 분석 엔진(image analysis engine)(615a), UI 모듈(user interface module)(615b), 에이전트 관리 모듈(615c), 정보 관리 모듈(615d) 및 지능형 비전 모듈(615e)을 포함할 수 있다. 비전 에이전트(615)는 비전 서버(630)를 통해 이미지 상의 오브젝트에 대한 정보를 획득할 수 있다.
일 실시 예에 따르면, 비전 에이전트(615)는 카메라(또는, 카메라 모듈)를 통해 생성된 이미지를 획득할 수 있다. 상기 카메라는, 예를 들어, 렌즈 및 이미지 센서 프로세서(image sensor module)(ISP)를 포함할 수 있다. 상기 이미지 센서 프로세서는 상기 렌즈를 통해 입사되는 빛을 이용하여 이미지를 생성할 수 있다. 상기 생성된 이미지는 프리뷰 이미지(preview image) 및 캡쳐된 이미지(또는, 스틸 이미지)를 포함할 수 있다. 상기 캡쳐된 이미지는 상기 프리뷰 이미지에서 캡쳐되어 메모리에 저장된 이미지일 수 있다. 일 실시 예에 따르면, 상기 프리뷰 이미지 및 상기 캡쳐된 이미지는 리사이징(resizing)될 수 있다. 상기 프리뷰 이미지는, 예를 들어, 디스플레이의 해상도(예: FHD(full high definition) 또는 UHD(ultra high definition))에 따라 리사이징될 수 있다. 상기 캡쳐된 이미지는 상기 프리뷰 이미지와 다른 해상도(예: 디스플레이보다 높은 해상도)로 리사이징될 수 있다. 또한, 상기 캡쳐된 이미지는 지정된 코덱(CODEC)에 따라 코딩(coding) 또는 디코딩(decoding)될 수 있다.
일 실시 예에 따르면, 비전 에이전트(615)는 외부로부터 수신된 스틸 이미지를 획득할 수 있다. 상기 외부로부터 수신된 이미지는, 예를 들어, 외부 전자 장치로부터 수신된 이미지이거나, 웹 등을 통해 다운로드(download)된 이미지일 수 있다. 상기 외부로부터 수신된 이미지는 메모리에 저장될 수 있다.일 실시 예에 따르면, 이미지 분석 엔진(615a)은 오브젝트 감지 엔진(object detection engine), 오브젝트 인식 엔진(object recognition engine), 관심 영역 생성 엔진(ROI(range of interest) generate engine) 및 트랙킹 엔진(tracking engine)을 포함할 수 있다. 이미지 분석 엔진(615a)은 획득된 이미지를 분석하고, 상기 분석된 정보(예: 특징점, 키워드(또는, 파라미터) 또는 메타 데이터)에 기초하여 이미지를 처리할 수 있다. 일 실시 예에 따르면, 상기 오브젝트 감지 엔진은 이미지에 포함된 오브젝트를 감지할 수 있다. 다시 말해, 상기 오브젝트 인식 엔진은 이미지에서 감지된 오브젝트(예: 오브젝트의 종류)를 인식 할 수 있다. 일 실시 예에 따르면, 상기 관심 영역 생성 엔진은 상기 인식된 영역에 기초하여 이미지의 관심 영역을 생성할 수 있다. 일 실시 예에 따르면, 상기 트랙킹 엔진은 복수의 이미지에서 오브젝트의 위치가 변경되는 경우(또는, 오브젝트의 움직임이 감지된 경우), 상기 오브젝트의 움직임을 트랙킹할 수 있다. 이에 따라, 이미지 분석 엔진(615a)은 이미지 상의 오브젝트가 포함된 관심 영역을 생성할 수 있다.
일 실시 예에 따르면, 이미지 분석 엔진(615a)은 상기 설명한 바와 같이 직접 관심 영역을 생성할 수 있을 뿐만 아니라, 비전 서버(630)를 통해서도 이미지의 관심 영역을 생성할 수 있다. 예를 들어, 이미지 분석 엔진(615a)은 사용자 단말(610)의 상태에 따라, 메모리에 저장된 이미지를 비전 서버(630)로 송신하고, 비전 서버(630)로부터 이미지의 관심 영역에 대한 정보를 수신할 수 있다. 비전 서버(630)를 통해 생성된 관심 영역은, 예를 들어, 이미지 분석 엔진(615a)이 직접 관심 영역을 생성하는 것보다 정확할 수 있다.
일 실시 예에 따르면, 이미지 분석 엔진(615a)은 이미지 상의 적어도 하나의 오브젝트에 대한 관심 영역을 생성할 수 있다. 예를 들어, 이미지 분석 엔진(615a)은 이미지 상의 하나의 오브젝트뿐만 아니라, 복수의 오브젝트에 대한 관심 영역을 생성할 수 있다.
일 실시 예에 따르면, 이미지 분석 엔진(615a)은 이미지의 생성된 관심 영역을 메모리(예: ROI 데이터베이스)에 저장할 수 있다. 이미지 분석 엔진(615a)은 상기 저장된 정보를 이용하여 디스플레이에 표시된 이미지의 관심 영역을 결정할 수 있다.
일 실시 예에 따르면, 이미지 분석 엔진(615a)은 이미지를 처리하는 과정에서 사용자의 피드백(feedback)을 수신할 수 있다. 예를 들어, 이미지 분석 엔진(615a)은 생성된 관심 영역에 대한 사용자의 피드백을 수신할 수 있다. 일 실시 예에 따르면, 이미지 분석 엔진(615a)은 상기 사용자의 피드백에 기초하여 관심 영역을 수정할 수 있다.
일 실시 예에 따르면, UI 모듈(615b)은 비전 서비스를 제공하기 위한 UI를 디스플레이에 표시할 수 있다. 예를 들어, UI 모듈(615b)은 처리된 이미지를 사용자에게 제공하기 위한 UI를 디스플레이에 표시하고, 상기 디스플레이에 표시된 UI를 통해 사용자의 피드백을 수신할 수 있다.
일 실시 예에 따르면, 에이전트 관리 모듈(615c)은 이미지와 관련된 정보를 위해 쿼리(query)를 전송해야 하는지 여부를 결정할 수 있다. 예를 들어, 에이전트 관리 모듈(615c)은 비전 서버(630)로 이미지의 관심 영역에 대한 정보를 획득하기 위한 쿼리를 전송해야 하는지 여부를 결정할 수 있다. 다른 예를 들어, 에이전트 관리 모듈(615c)은 이미지 상의 오브젝트(예: 상품)에 대한 정보를 획득하기 위한 사용자 입력을 수신한 경우, 비전 서버(630)에서 상품의 정보를 검색할 수 있는 사이트(또는, 서버)(예: 이베이(ebay), 아마존(amazon))로 상품의 정보를 획득하기 위한 쿼리를 전송하도록 결정할 수 있다. 또 다른 예를 들어, 에이전트 관리 모듈(615c)은 이미지 분석에 높은 해상도의 이미지가 필요한 경우, 카메라 모듈로 높은 해상도의 이미지를 획득하기 위한 쿼리를 전송하도록 전달하도록 결정할 수 있다.
일 실시 예에 따르면, 정보 관리 모듈(615d)은 이미지 분석 엔진(615a)를 통해 인식된 정보를 통합할 수 있다. 예를 들어, 정보 관리 모듈(615d)은 지정된 우선 순위에 따라 인식된 오브젝트에 대한 정보를 통합할 수 있다. 상기 지정된 우선 순위는, 예를 들어, 인식률(또는, 인식 성공률)에 따라 결정될 수 있다. QR 코드 및 바코드(barcode)와 같이 인식률이 높은 오브젝트는 우선 순위가 높을 수 있고, 문서 및 STD(scene text detection)와 같이 인식률이 낮은 오브젝트는 우선 순위가 낮을 수 있다. 일 실시 예에 따르면, 정보 관리 모듈(615d)은 상기 통합된 정보를 다른 앱으로 전달할 수 있다. 상기 통합된 정보를 전달 받은 앱은 상기 통합된 정보를 비전 서버(630)로 송신할 수 있다.
일 실시 예에 따르면, 지능형 비전 모듈(615e)은 이미지 상의 오브젝트의 카테고리를 결정할 수 있다. 예를 들어, 지능형 비전 모듈(615e)은 이미지 분석 모듈(615a)을 통해 분석된 정보에 기초하여 이미지 상의 오브젝트의 카테고리를 결정할 수 있다. 지능형 비전 모듈(615e)은 오브젝트의 카테고리를 세분화(예: 상위 카테고리 및 하위 카테고리)하여 결정할 수 있다. 다른 예를 들어, 지능형 비전 모듈(615e)은 상기 설명한 바와 같이 오브젝트의 카테고리를 직접 결정할 수 있을 뿐만 아니라, 비전 서버(630)을 통해 이미지 상의 오브젝트의 카테고리를 결정할 수 있다. 비전 서버(630)를 통해 이미지 상의 오브젝트의 카테고리를 결정하는 것은, 지능형 비전 모듈(615e)이 카테고리를 결정하는 것보다 더 구체적일 수 있다. 일 실시 예에 따르면, 지능형 비전 모듈(615e)은 컨텐츠 관리 허브(contents management hub)를 통해 이미지 상의 오브젝트의 카테고리 정보를 메모리(예: 카테고리 데이터베이스)에 저장할 수 있다.일 실시 예에 따르면, 비전 에이전트(615)는 사용자 입력과 관련된 이미지를 비전 서버(630)로 송신할 수 있다. 예를 들어, 비전 에이전트(615)는 이미지에서 관심 영역을 분리하고, 상기 분리된 관심 영역이 포함된 이미지를 비전 서버(630)로 송신할 수 있다. 상기 분리된 관심 영역이 포함된 이미지는, 예를 들어, 복수의 오브젝트가 포함된 영역이 포함된 이미지일 수 있다. 비전 에이전트(615)가 이미지에서 관심 영역를 분리할 경우 적은 량의 데이터를 비전 서버(630)로 송신할 수 있다.
일 실시 예에 따르면, 비전 에이전트(615)는 상기 이미지와 함께 패스 룰에 포함된 파라미터를 송신할 수 있다. 상기 파라미터는, 예를 들어, 이미지 상의 오브젝트를 지칭하는 정보를 포함할 수 있다. 일 실시 예에 따르면, 비전 서버(630)는 이미지 및 파라미터를 수신하여 이미지 상의 오브젝트에 대한 정보를 생성할 수 있다.
일 실시 예에 따르면, 비전 에이전트(615)는 비전 서버(630)로부터 사용자 입력과 관련된 이미지 및 패스 룰에 포함된 파라미터에 대응되는 제2 응답을 수신할 수 있다. 상기 제2 응답은, 예를 들어, 패스 룰에 따라 수행되는 태스크와 관련된 정보(또는, 제2 텍스트)를 포함할 수 있다. 상기 태스크는 이미지 상의 오브젝트와 관련된 정보를 획득하는 것일 수 있다.
일 실시 예에 따르면, 지능형 서버(620)는 자동 음성 인식 모듈(621) 및 자연어 이해 모듈(623)을 포함할 수 있다. 지능형 서버(620)의 자동 음성 인식 모듈(621) 및 자연어 이해 모듈(623)은 도 4의 지능형 서버(200)의 자동음성 인식 모듈(210) 및 자연어 이해 모듈(220)과 유사할 수 있다. 메모리에 저장된 자동 음성 인식 모듈(621) 및 자연어 이해 모듈(623)은 프로세서의 의해 실행될 수 있다.
일 실시 예에 따르면, 자동 음성 인식 모듈(621)은 사용자 입력(예: 사용자 발화)을 텍스트(또는, 텍스트 데이터)로 변경할 수 있다. 일 실시 예에 따르면, 자동 음성 인식 모듈(621)은 상기 변경된 텍스트를 자연어 이해 모듈(623)로 전달할 수 있다.
일 실시 예에 따르면, 자연어 이해 모듈(623)은 도메인 분류기(623a), 의도 분류기(623b) 및 슬롯 태거(623c)를 포함할 수 있다. 자연어 이해 모듈(623)은 사용자 입력에 대응되는 텍스트를 전달 받아, 상기 사용자 입력에 대응되는 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(623)은 이미지와 관련된 사용자 입력에 대응되는 텍스트를 수신하여 패스 룰을 생성할 수 있다.
일 실시 예에 따르면, 도메인 분류기(623a)는 상기 사용자 입력에 대응되는 도메인(예: 앱)을 결정할 수 있다. 예를 들어, 도메인 분류기(623a)는 이미지와 관련된 사용자 입력에 대응되는 비전 에이전트(615)를 결정할 수 있다. 일 실시 예에 따르면, 의도 분류기(623b)는 사용자의 의도를 결정할 수 있다. 예를 들어, 의도 분류기(623b)는 이미지 상의 오브젝트(예: 상품)의 정보를 획득하기 위한 사용자의 의도를 결정할 수 있다. 일 실시 예에 따르면, 슬롯 태거(623c)는 상기 사용자의 의도에 따른 동작을 수행할 때 필요한 파라미터(또는, 슬롯)를 추출할 수 있다. 예를 들어, 슬롯 태거(623c)는 이미지 상의 오브젝트를 지칭하는 파라미터를 추출할 수 있다. 이에 따라, 자연어 이해 모듈(623)은 결정된 도메인, 사용자의 의도 및 파라미터에 기초하여 패스 룰을 생성(또는, 선택)할 수 있다.
일 실시 예에 따르면, 비전 서버(630)는 카테고리 분류 모듈(631), 오브젝트 인식 모듈(633) 및 오브젝트 확인 모듈(625)을 포함할 수 있다. 비전 서버(630)는 사용자 단말(100)로부터 사용자 입력과 관련된 이미지 및 파라미터에 대한 정보를 수신할 수 있다.
일 실시 예에 따르면, 카테고리 분류 모듈(631)은 사용자 입력과 관련 이미지 및 패스 룰에 포함된 파라미터(또는, 제1 텍스트)를 수신할 수 있다. 상기 파라미터는 상기 이미지 상의 오브젝트와 관련될 수 있다.
일 실시 예에 따르면, 카테고리 분류 모듈(631)은 이미지 상의 오브젝트의 카테고리를 결정할 수 있다. 카테고리 분류 모듈(631)은 이미지 상의 오브젝트를 지정된 복수의 카테고리 중 하나의 카테고리로 결정할 수 있다. 상기 지정된 복수의 카테고리는, 예를 들어, 상위 카테고리(예: 전자제품) 및 상기 상위 카테고리에 포함된 하위 카테고리(예: 냉장고, 노트북)를 포함할 수 있다. 다시 말해, 상기 지정된 복수의 카테고리는 단계적으로 세분화될 수 있다. 카테고리 분류 모듈(631)은 사용자 단말(610)의 지능형 비전 모듈(615e)과 유사하게 이미지 상의 오브젝트의 카테고리를 결정할 수 있다. 카테고리 분류 모듈(631)은, 예를 들어, 이미지 상의 오브젝트의 상위 카테고리 및 하위 카테고리를 순차적으로 결정할 수 있다. 일 실시 예에 다르면, 카테고리 분류 모듈(631)은 사용자 단말(610)로부터 이미지 상의 오브젝트의 카테고리에 대한 정보를 수신한 경우, 상기 수신된 정보를 이용하여 오브젝트의 카테고리를 결정할 수 있다.
일 실시 예에 따르면, 오브젝트 인식 모듈(633)은 적어도 하나의 카테고리에 대응되는 오브젝트 인식기를 포함할 수 있다. 상기 오브젝트 인식기는 딥러닝(deep learning)(또는, 머신 러닝(machine learning))을 이용하여 이미지 상의 오브젝트를 인식할 수 있다. 예를 들어, 상기 오브젝트 인식기는 이미지의 특징(또는, 특징점)을 추출하고, 인덱스 데이터베이스(index database)에 저장된 이미지의 특징과 비교하여 오브젝트를 인식할 수 있다. 상기 인덱스 데이터베이스에 저장된 이미지는, 예를 들어, 오브젝트의 종류 각각에 대응되는 대표 이미지일 수 있다. 일 실시 예에 따르면, 오브젝트 인식 모듈(633)은 카테고리 분류 모듈(631)을 통해 결정된 카테고리에 대응되는 오브젝트 인식기를 이용하여 수신된 이미지 상의 오브젝트를 인식할 수 있다. 상기 수신된 이미지는, 예를 들어, 카테고리 결정 모듈(631)을 통해 전달된 이미지(예: 관심 영역이 포함된 이미지)일 수 있다.
일 실시 예에 따르면, 오브젝트 인식 모듈(633)은 적어도 하나의 카테고리에 대응되는 데이터베이스를 포함할 수 있다. 예를 들어, 오브젝트 인식 모듈(633)은 전자 제품 데이터베이스(633a) 및 의류 데이터베이스(633b)를 포함할 수 있다. 상기 데이터베이스는 오브젝트에 대한 정보를 포함할 수 있다. 상기 오브젝트에 대한 정보는, 예를 들어, 상기 오브젝트가 제품(product)일 경우, 해당 제품의 모델 정보, 기능 정보, 가격 정보, 생산자 정보 또는 판매자 정보 등을 포함할 수 있다. 일 실시 예에 따르면, 오브젝트 인식 모듈(633)은 인식된 오브젝트에 대한 정보를 생성할 수 있다. 상기 인식된 오브젝트와 관련된 정보는, 예를 들어, 텍스트 및 이미지가 포함된 리스트 정보를 포함할 수 있다. 오브젝트 인식 모듈(633)은 복수의 오브젝트가 인식된 경우, 복수의 오브젝트에 대한 정보를 생성할 수 있다.
이에 따라, 오브젝트 인식 모듈(633)은 카테고리 분류 모듈(631)에 의해 결정된 카테고리와 관련된 데이터베이스로부터 이미지 상의 오브젝트와 관련된 정보를 획득할 수 있다.
일 실시 예에 따르면, 오브젝트 확인 모듈(635)은 파라미터를 이용하여 오브젝트 인식 모듈(633)에 의해 획득된 정보로부터 사용자 입력과 관련된 정보를 획득할 수 있다. 일 실시 예에 따르면, 오브젝트 확인 모듈(635)은 복수의 오브젝트에 대한 정보를 생성한 경우, 파라미터와 관련된 오브젝트(또는, 사용자가 원하는 오브젝트)에 대한 정보를 선택할 수 있다. 예를 들어, 오브젝트 확인 모듈(635)은 오브젝트 인식 모듈 모듈(633)을 통해 인식된 복수의 오브젝트의 이미지를 파라미터에 대응되는 이미지와 비교하여, 가장 유사한 이미지의 오브젝트에 대한 정보를 선택할 수 있다. 다른 예를 들어, 오브젝트 확인 모듈(635)은 카테고리 분류 모듈(631)을 통해 결정된 복수의 오브젝트의 카테고리를 파라미터의 카테고리와 비교하여, 가장 유사한 카테고리의 오브젝트를 선택할 수 있다. 또 다른 예를 들어, 오브젝트 확인 모듈(635)은 복수의 오브젝트 정보에 포함된 데이터를 이용하여 파라미터와 관련된 오브젝트에 대한 정보를 선택할 수 있다. 상기 오브젝트 정보에 포함된 데이터는, 예를 들어, 메타 데이터, 카테고리 데이터 및 위치 데이터를 포함할 수 있다. 일 실시 예에 따르면, 일 실시 예에 따르면, 오브젝트 확인 모듈(635)은 복수의 오브젝트의 정보 중 상기 선택된 오브젝트에 대한 정보를 사용자 단말(610)로 송신할 수 있다.
일 실시 예에 따르면, 오브젝트 확인 모듈(635)는 상기 선택된 오브젝트에 대응되는 정보를 사용자 단말(610)로 송신할 수 있다. 예를 들어, 오브젝트 확인 모듈(635)은 오브젝트 인식 모듈(633)에 의해 생성된 오브젝트에 대한 정보 중 상기 선택된 오브젝트에 대응되는 정보를 선택하여 사용자 단말(610)로 송신할 수 있다. 사용자 단말(610)은 오브젝트에 대한 정보를 수신하여 디스플레이에 표시할 수 있다. 또한, 사용자 단말(610)은 상기 오브젝트에 대한 정보를 다른 전자 장치(예: 디스플레이 장치)로 송신하여, 상기 다른 전자 장치에 포함된 디스플레이를 통해 상기 오브젝트에 대한 정보를 표시할 수 있다.
도 7은 일 실시 예에 따른 지능형 비전 시스템이 사용자 발화를 처리하는 과정을 나타낸 도면이다.
도 7을 참조하면, 지능형 비전 시스템(600)은 이미지와 관련된 사용자 입력을 수신하고, 상기 이미지 상의 오브젝트의 정보를 사용자에게 제공할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 디스플레이에 이미지를 표시할 수 있다. 예를 들어, 사용자 단말(610)은 냉장고를 포함하는 이미지(a)를 디스플레이에 표시할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)(예: 지능형 에이전트(611))은 디스플레이에 표시된 이미지와 관련된 사용자 입력을 수신할 수 있다. 예를 들어, 지능형 에이전트(611)은 디스플레이에 표시된 냉장고와 관련된 “이거 얼마야?” 라는 사용자 입력(b)을 수신할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)(예: 지능형 에이전트(611))은 상기 수신된 사용자 입력을 지능형 서버(620)로 송신할 수 있다. 예를 들어, 사용자 단말(610)은 상기 사용자 입력과 관련된 제1 데이터를 지능형 서버(620)로 송신할 수 있다.
일 실시 예에 따르면, 지능형 서버(620)(예: 자동 음성 인식 모듈(621))는 상기 사용자 입력을 수신하여 텍스트로 변경할 수 있다.
일 실시 예에 따르면, 지능형 서버(620)(예: 자연어 이해 모듈(623))은 텍스트를 이용하여 사용자 입력에 대응되는 패스 룰을 생성할 수 있다. 예를 들어, 자연어 이해 모듈(623)의 도메인 분류기(623a)는 상기 텍스트를 이용하여 사용자 입력에 대응되는 도메인이 비전 에이전트임을 결정할 수 있다. 의도 분류기(623b)는 사용자의 의도가 상품 검색임을 결정할 수 있다. 또한, 슬롯 태거(625c)는 텍스트에서 '이것'을 추출할 수 있다. 이에 따라, 지능형 서버(620)는 디스플레이에 표시된 이미지 상의 상품을 검색하기 위한 패스 룰을 생성할 수 있다. 일 실시 예에 따르면, 지능형 서버(620)는 상기 생성된 패스 룰을 사용자 단말(100)로 송신할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)(예: 지능형 에이전트(611))은 지능형 서버(620)로부터 상기 생성된 패스 룰을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)(예: 실행 매니저 모듈(613))은 상기 패스 룰에 따라 비전 에이전트(615)를 실행시킬 수 있다. 일 실시 예에 따르면, 사용자 단말(610)(예: 비전 에이전트(615))는 상기 패스 룰에 포함된 동작을 실행할 수 있다. 예를 들어, 사용자 단말(610)은 사용자 입력과 관련된 이미지(예: 냉장고 이미지(a)) 및 수신된 패스 룰에 포함된 파라미터(예: '이것')와 관련된 제2 데이터를 비전 서버(630)로 송신할 수 있다.
일 실시 예에 따르면, 비전 서버(630)(예: 카테고리 분류 모듈(631))는 사용자 입력과 관련된 이미지와 패스 룰에 포함된 파라미터를 수신할 수 있다. 예를 들어, 카테고리 분류 모듈(631)은 상기 이미지 및 파라미터와 관련된 제2 데이터를 수신할 수 있다.
일 실시 예에 따르면, 비전 서버(630)(예: 카테고리 분류 모듈(631))는 이미지 상의 오브젝트의 카테고리를 결정할 수 있다. 예를 들어, 카테고리 분류 모듈(631)은 이미지 상의 냉장고의 카테고리를 전자 제품으로 결정할 수 있다.
일 실시 예에 따르면, 비전 서버(630)(예: 오브젝트 인식 모듈(633))는 상기 결정된 카테고리의 오브젝트 인식기를 이용하여 이미지 상의 오브젝트를 인식할 수 있다. 예를 들어, 오브젝트 인식 모듈(633)은 전자 제품 인식기를 이용하여 상기 이미지에 포함된 오브젝트가 냉장고임을 인식할 수 있다. 일 실시 예에 따르면, 비전 서버(630)는 상기 인식된 오브젝트에 대응되는 정보를 생성할 수 있다. 예를 들어, 비전 서버(630)는 인식된 냉장고의 모델 정보, 기능 정보, 가격 정보, 생산자 정보 및 판매자 정보 중 적어도 하나를 포함하는 정보를 생성할 수 있다. 일 실시 예에 따르면, 비전 서버(630)(예: 오브젝트 확인 모듈(635))는 인식된 오브젝트가 하나이므로, 파라미터를 이용한 선택 없이 상기 생성된 정보를 사용자 단말(610)으로 송신할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 상기 생성된 정보를 수신하고, 상기 수신된 정보를 디스플레이 및 스피커 중 적어도 하나를 통해 출력할 수 있다. 일 실시 사용자 단말(610)(예: 비전 에이전트(615))은 패스 룰에 따른 동작의 실행을 완료하였다는 정보를 생성할 수 있다.
도 8, 도 9 및 도 10은 일 실시 예에 따른 지능형 비전 시스템이 이미지의 관심 영역을 결정하는 것을 나타낸 도면이다.
도 8을 참조하면, 사용자 단말(610)은 이미지 상의 의류에 대한 정보를 획득하기 위한 사용자 입력을 수신할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 이미지를 디스플레이에 표시한 상태에서, “원피스 얼마지?”라는 사용자 입력(810)을 수신할 수 있다. 상기 디스플레이에 표시된 이미지는 복수의 오브젝트(예: 원피스, 구두, 가방 및 여자)를 포함할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 지능형 서버(620)로부터 수신된 패스 룰에 따라 비전 에이전트(615)를 실행시키고, 상기 실행된 비전 에이전트의 UI(820)를 디스플레이에 표시할 수 있다. 비전 에이전트의 UI(820)는 사용자 입력과 관련된 이미지(821) 및 이미지 상의 오브젝트와 관련된 태스크를 표시한 인디케이터(823)을 포함할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 사용자 입력과 관련된 이미지(821)에 관심 영역을 표시할 수 있다. 사용자 단말(610)은 파라미터인 '원피스'와 관련된 오브젝트가 포함된 영역을 관심 영역(821a)로 결정할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)은 이미지 상의 오브젝트와 관련된 '가격 정보를 검색'하는 태스크를 나타낸 인디케이터(823a)를 표시할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 이미지 상의 오브젝트인 '원피스'에 대한 정보를 수신할 수 있다. 비전 서버(630)는 파라미터를 이용하여 복수의 오브젝트에 대한 정보 중 '원피스'에 대한 정보를 수신할 수 있다. 예를 들어, 비전 서버(630)는 복수의 오브젝트에 대한 정보의 메타 데이터를 이용하여 사용자 입력과 관련된 오브젝트인 '원피스'에 대한 정보(예: 원피스 리스트 정보)를 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말은 '원피스'에 대한 정보를 디스플레이에 표시할 수 있다.
도 9를 참조하면, 사용자 단말(610)은 이미지 상의 여자에 대한 정보를 획득하기 위한 사용자 입력을 수신할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 이미지를 디스플레이에 표시한 상태에서, “이 여자의 다른 사진을 보여줘.”라는 사용자 입력(910a)을 수신할 수 있다. 상기 디스플레이에 표시된 이미지는 도 8의 디스플레이에 표시된 이미지와 동일한 이미지일 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 비전 에이전트의 UI(920)를 디스플레이에 표시할 수 있다. 비전 에이전트의 UI(920)는 사용자 입력과 관련된 이미지(921) 및 이미지 상의 오브젝트와 관련된 태스크를 표시한 인디케이터(923)를 포함할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 사용자 입력과 관련된 이미지(921)에 관심 영역(921a)을 표시할 수 있다. 사용자 단말(610)은 파라미터인 '여자'와 관련된 오브젝트가 포함된 영역을 관심 영역(921a)로 결정할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)은 이미지 상의 오브젝트와 관련된 '이미지를 검색'하는 태스크를 나타낸 인디케이터(923a)를 표시할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 이미지 상의 오브젝트인 '여자'에 대한 정보를 수신할 수 있다. 비전 서버(630)는 파라미터를 이용하여 복수의 오브젝트에 대한 정보 중 '여자'에 대한 정보를 수신할 수 있다. 예를 들어, 비전 서버(630)는 복수의 오브젝트의 카테고리 정보를 이용하여 사용자 입력과 관련된 오브젝트인 '여자'에 대한 정보(예: 여자 사진 리스트)를 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(100)은 상기 수신된 '여자'에 대한 정보를 디스플레이에 표시할 수 있다.
도 10을 참조하면, 사용자 단말(610)은 이미지 상의 카페에 대한 정보를 획득하기 위한 사용자 입력을 수신할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 이미지를 디스플레이에 표시한 상태에서, “이 카페 정보를 알려줘.”라는 사용자 입력(1010)을 수신할 수 있다. 상기 디스플레이에 표시된 이미지는 복수의 오브젝트(예: 복수의 가계)를 포함할 수 있다. 또한, 상기 디스플레이에 표시된 이미지는 GPS(global positioning system) 정보를 포함할 수 있다. 상기 GPS 정보는 상기 이미지가 촬영된 장소에 대한 정보를 포함할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 비전 에이전트의 UI(1020)를 디스플레이에 표시할 수 있다. 비전 에이전트의 UI(1020)는 사용자 입력과 관련된 이미지(1021) 및 이미지 상의 오브젝트와 관련된 태스크를 표시한 인디케이터(1023)를 포함할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 사용자 입력과 관련된 이미지(1021)에 관심 영역(1021a)을 표시할 수 있다. 사용자 단말(610)은 파라미터인 '카페'와 관련된 오브젝트가 포함된 영역을 관심 영역(1021a)로 결정할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)은 이미지 상의 오브젝트와 관련된 '장소 정보를 검색'하는 태스크를 나타낸 인디케이터(1023a)를 표시할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 이미지 상의 오브젝트인 '카페'에 대한 정보를 수신할 수 있다. 비전 서버(630)는 파라미터를 이용하여 복수의 오브젝트에 대한 정보 중 '카페'에 대한 정보를 수신할 수 있다. 예를 들어, 비전 서버(630)는 복수의 오브젝트의 GPS 정보를 이용하여 사용자 입력과 관련된 오브젝트인 '카페'에 대한 정보(예: 카페 리스트 정보)를 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)은 상기 수신된 '카페'에 대한 정보를 디스플레이에 표시할 수 있다.
도 11는 일 실시 예에 따른 비전 서버에서 이미지에 포함된 오브젝트의 카테고리를 분류하여 정보를 제공하는 과정을 나타낸 도면이다.
도 11을 참조하면, 사용자 단말(610)은 비전 서버(630)에서 이미지 상의 오브젝트의 카테고리를 결정하여 사용자 입력과 관련된 오브젝트에 대한 정보를 수신할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 디스플레이에 프리뷰 이미지 또는 스틸 이미지를 표시할 수 있다. 상기 이미지(a)는, 예를 들어, 복수의 오브젝트(예: 냉장고 및 전자레인지)를 포함할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)(예: 지능형 에이전트(611))은 “냉장고 얼마야?”(b)를 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)은 상기 사용자 입력을 지능형 서버(620)로 송신할 수 있다.
일 실시 예에 따르면, 지능형 서버(620)(예: 자동 음성 인식 모듈(621))는 상기 사용자 입력을 텍스트로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(620)(예: 자연어 이해 모듈(623))는 도메인 분류기(623a), 의도 분류기(623b) 및 슬롯 태거(625c)를 통해 상기 변경된 텍스트에 대응되는 패스 룰을 생성할 수 있다. 상기 패스 룰은, 예를 들어, 비전 에이전트(615)의 동작을 실행하기 위한 사용자 단말(610)의 상태들의 시퀀스 및 상기 동작을 실행하기 위한 파라미터인 '냉장고'를 포함할 수 있다. 일 실시 예에 따라, 지능형 서버(620)는 상기 생성된 패스 룰을 사용자 단말(610)로 송신할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)(예: 지능형 에이전트(611))은 지능형 서버(620)로부터 상기 생성된 패스 룰을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)(예: 실행 매니저 모듈(613))은 상기 패스 룰에 따라 비전 에이전트(615)를 실행시킬 수 있다. 일 실시 예에 따르면, 사용자 단말(610)(예: 비전 에이전트(615))은 이미지의 관심 영역을 결정할 수 있다. 예를 들어, 비전 에이전트(615)는 이미지 분석 엔진(615a)을 통해 이미지에서 '냉장고' 및 '전자레인지'가 포함된 관심 영역을 결정하고, 상기 이미지에서 관심 영역이 포함된 이미지(a´)를 분리할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)은 '냉장고' 및 '전자레인지'가 각각 포함된 이미지 및 파라미터인 '냉장고'를 비전 서버(630)로 송신할 수 있다.
일 실시 예에 따르면, 비전 서버(630)(예: 카테고리 분류 모듈(631))는 '냉장고' 및 '전자레인지' 각각이 포함된 복수의 이미지 및, 파라미터를 수신할 수 있다. 일 실시 예에 따르면, 비전 서버(630)는 상기 복수의 이미지에 포함된 '냉장고' 및 '전자레인지'의 카테고리(예: 전자 제품)을 결정할 수 있다. 일 실시 예에 따르면, 비전 서버(630)(예: 오브젝트 인식 모듈(633))는 상기 결정된 카테고리의 인식기를 이용하여 '냉장고' 및 '전자레인지'를 인식할 수 있다. 비전 서버(630)는 전자 제품의 데이터베이스(633a)에서 상기 인식된 '냉장고' 및 '전자레인지'에 대한 정보를 생성할 수 있다. 일 실시 예에 따르면, 비전 서버(630)(예: 오브젝트 확인 모듈(635))는 파라미터인 '냉장고'를 이용하여 상기 생성된 정보 중 '냉장고'에 대한 정보를 선택할 수 있다. 일 실시 예에 따르면, 비전 서버(630)는 상기 생성된 정보(예: 냉장고 리스트)를 사용자 단말(100)로 송신할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 상기 생성된 정보를 수신하고, '냉장고'에 대한 정보를 디스플레이 및 스피커 중 적어도 하나를 통해 출력할 수 있다.
도 12는 일 실시 예에 따른 지능형 비전 시스템이 프리뷰 이미지(preview image)와 관련된 사용자 발화를 처리하는 시퀀스도이다.
도 12를 참조하면, 사용자 단말(610)은 디스플레이에 표시된 프리뷰 이미지 상의 오브젝트(예: 냉장고)에 대한 정보를 수신할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)의 지능형 에이전트(611)는 “냉장고 얼마야?”를 수신할 수 있다(1). 일 실시 예에 따르면, 사용자 단말(620)은 사용자 발화를 지능형 서버(620)로 송신할 수 있다(2).
일 실시 예에 따르면, 지능형 서버(620)는 상기 사용자 입력에 대응되는 패스 룰을 생성할 수 있다(3). 일 실시 예에 따르면, 지능형 서버(620)는 상기 생성된 패스 룰을 사용자 단말(610)의 지능형 에이전트(611)로 송신할 수 있다(4).
일 실시 예에 따르면, 사용자 단말(610)의 지능형 에이전트(611)는 상기 패스 룰을 실행 매니저 모듈(613)로 전달할 수 있다(4). 일 실시 예에 따르면, 실행 매니저 모듈(613)은 비전 에이전트(615)를 실행하고, 상기 패스 룰에 따라 제1 동작(예: 프리뷰 이미지를 캡쳐하는 동작)의 실행하는 요청을 비전 에이전트(615)로 전달할 수 있다(5). 일 실시 예에 따르면, 비전 에이전트(615)는 상기 제1 동작을 실행할 수 있다(6). 다시 말해, 비전 에이전트(615)는 상기 패스 룰을 수신하였을 때, 디스플레이에 표시된 프리뷰 이미지를 캡쳐할 수 있다. 일 실시 예에 따르면, 비전 에이전트(615)는 상기 제1 동작을 실행한 결과를 실행 매니저 모듈(613)으로 전달할 수 있다(7). 일 실시 예에 따르면, 실행 매니저 모듈(613)은 제2 동작(예: 냉장고의 정보를 디스플레이에 표시하는 동작)을 실행하는 요청을 비전 에이전트(615)로 전달할 수 있다(8).
일 실시 예에 따르면, 비전 에이전트(615)는 상기 제2 동작을 실행할 수 있다(9). 일 실시 예에 따르면, 사용자 단말(610)은 상기 제2 동작을 실행하기 위한 정보를 비전 서버(630)로부터 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)의 비전 에이전트(615)는 캡쳐된 이미지 및 파라미터인 '냉장고'를 비전 서버(630)로 송신할 수 있다(9-1). 일 실시 예에 따르면, 비전 서버(630)는 캡쳐된 이미지의 관심 영역을 결정할 수 있다(9-2). 비전 서버(630)는 관심 영역에 포함된 오브젝트의 카테고리(예: 전자 제품)를 결정하고, 결정된 카테고리의 인식기를 이용하여 '냉장고' 및 '전자레인지'를 인식할 수 있다(9-3). 일 실시 예에 따르면, 비전 서버(630)는 상기 인식된 '냉장고' 및 '전자레인지'에 대한 정보를 생성(또는, 검색)할 수 있다(9-4). 일 실시 예에 따르면, 비전 서버(630)는 파라미터를 이용하여 생성된 복수의 오브젝트에 대한 정보 중 '냉장고'에 대한 정보(예: 냉장고 리스트)를 선택할 수 있다(9-5). 일 실시 예에 따르면, 비전 서버(630)는 상기 선택된 정보를 사용자 단말(610)로 송신할 수 있다(9-6).
일 실시 예에 따르면, 사용자 단말(610)은 상기 선택된 정보를 수신하고, '냉장고'에 대한 정보를 디스플레이에 표시할 수 있다(9-7). 다시 말해, 사용자 단말(610)은 상기 제2 동작의 실행을 완료할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 상기 제2 동작을 실행한 결과를 실행 매니저 모듈(613)로 전달할 수 있다(10). 일 실시 예에 따르면, 실행 매니저 모듈(613)은 지능형 에이전트(611)을 통해 패스 룰에 따라 사용자 입력에 대응되는 태스크를 수행한 결과를 비전 서버(620)로 송신할 수 있다(11). 일 실시 예에 따르면, 비전 서버(620)는 자연어 생성 모듈을 통해 상기 결과를 사용자 단말(100)로 송신할 수 있다(12). 사용자 단말(610)은 상기 완료 정보를 자연어의 형태로 사용자에게 출력할 수 있다(13).
도 13은 일 실시 예에 따른 지능형 비전 시스템이 이미지와 관련된 사용자 발화를 처리하는 시퀀스도이다.
도 13을 참조하면, 사용자 단말(610)은 디스플레이에 표시된 스틸 이미지 상의 오브젝트(예: 냉장고)에 대한 정보를 수신할 수 있다. 사용자 단말(610) 및 지능형 서버(620)의 동작은 도 12의 사용자 단말(610) 및 지능형 서버(620)의 동작과 유사할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)과 지능형 서버(620) 사이의 (1) ~ (4) 과정은 도 12의 사용자 단말(610)과 지능형 서버(620) 사이의 (1) ~ (4) 과정과 유사할 수 있다.
일 실시 예에 따르면, 실행 매니저 모듈(613)은 비전 에이전트(615)를 실행하고, 상기 패스 룰에 따라 동작(예: 냉장고의 정보를 디스플레이에 표시하는 동작)을 실행하는 요청을 비전 에이전트(615)로 전달할 수 있다(5). 일 실시 예에 따르면, 비전 에이전트(615)는 상기 동작을 실행할 수 있다(6). 일 실시 예에 따르면, 비전 에이전트(615)는 도 12와 상이하게 디스플레이에 표시된 이미지를 캡쳐하는 동작을 생략할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 상기 동작을 실행하기 위한 정보를 비전 서버(630)로부터 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)의 비전 에이전트(615)는 스틸 이미지의 관심 영역을 결정할 수 있다(6-1). 비전 에이전트(615)는 디스플레이에 표시된 이미지와 관련된 정보(예: 카테고리 정보 및 관심 영역 정보)를 이용하여 관심 영역을 결정할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)의 비전 에이전트(615)는 이미지에서 관심 영역을 분리할 수 있다(6-2). 일 실시 예에 따르면, 사용자 단말(610)은 상기 관심 영역이 포함된 이미지 및 파라미터인 '냉장고'를 비전 서버(630)로 송신할 수 있다(6-3).
일 실시 예에 따르면, 비전 서버(630)는 상기 관심 영역이 포함된 이미지에 포함된 오브젝트의 카테고리(예: 전자 제품)를 결정하고 '냉장고' 및 '전자레인지'를 인식할 수 있다(6-4). 일 실시 예에 따르면, 비전 서버(630)는 상기 인식된 '냉장고' 및 '전자레인지'에 대한 정보를 생성(또는, 검색)할 수 있다(6-5). 일 실시 예에 따르면, 비전 서버(630)는 파라미터를 이용하여 생성된 복수의 오브젝트에 대한 정보 중 '냉장고'에 대한 정보(예: 냉장고 리스트)를 선택할 수 있다(6-6). 일 실시 예에 따르면, 비전 서버(630)는 상기 선택된 정보를 사용자 단말(610)로 송신할 수 있다(6-7).
일 실시 예에 따르면, 사용자 단말(610)은 상기 선택된 정보를 수신하고, '냉장고'에 대한 정보를 디스플레이에 표시할 수 있다(6-8). 다시 말해, 사용자 단말(610)은 상기 제2 동작의 실행을 완료할 수 있다.
일 실시 예에 따르면, 사용자 단말(610), 지능형 서버(620) 및 비전 서버(630)의 (7) ~ (11) 과정은 도 12의 비전 서버의 (10) ~ (13) 과정과 유사할 수 할 수 있다.
도 14는 일 실시 예에 따른 지능형 서버에서 이미지에 포함된 오브젝트의 카테고리를 분류하여 정보를 제공하는 과정을 나타낸 도면이다.
도 14를 참조하면, 사용자 단말(610)은 지능형 서버(620)에서 이미지 상의 오브젝트의 카테고리를 결정하여 사용자 입력과 관련된 오브젝트에 대한 정보를 수신할 수 있다. 지능형 서버(620)는 추출된 파라미터의 카테고리를 결정하기 위한 카테고리 분류 모듈(623d) 및 카테고리 데이터베이스(623e)를 더 포함할 수 있다. 카테고리 분류 모듈(623d) 및 카테고리 데이터베이스(623e)은, 예를 들어, 자연어 이해 모듈(623)에 포함될 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 디스플레이에 복수의 오브젝트를 포함하는 이미지(예: 냉장고, 전자레인지 및 바나나)(a)를 표시할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)(예: 지능형 에이전트(611))은 “냉장고 얼마야?”(b)를 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)은 상기 사용자 입력을 지능형 서버(620)로 송신할 수 있다. 예를 들어, 사용자 단말(610)은 상기 사용자 입력과 관련된 제1 데이터를 지능형 서버(620)로 송신할 수 있다.
일 실시 예에 따르면, 지능형 서버(620)(예: 자동 음성 인식 모듈(621))는 상기 사용자 입력을 텍스트로 변경할 수 있다. 일 실시 예에 따르면, 지능형 서버(620)(예: 자연어 이해 모듈(623))은 도메인 분류기(623a), 의도 분류기(623b) 및 슬롯 태거(625c)를 통해 상기 변경된 텍스트에 대응되는 패스 룰을 생성할 수 있다.
일 실시 예에 따르면, 지능형 서버(620)의 자연어 이해 모듈(623)은 슬롯 태거(625c)를 통해 추출된 제1 파라미터(또는, 제1 텍스트)(예: 냉장고)에 대한 정보를 카테고리 분류 모듈(623d)로 전달할 수 있다. 카테고리 분류 모듈(623d)은 상기 제1 파라미터에 대한 카테고리를 결정할 수 있다. 카테고리 분류 모듈(623d)은 카테고리에 대한 정보가 저장된 카테고리 데이터베이스(623e)를 참조하여 상기 제1 파라미터의 카테고리(예: 전자 장치)를 결정할 수 있다. 카테고리 데이터베이스(623e)는, 예를 들어, 적어도 하나의 카테고리에 대응되는 오브젝트의 명칭에 대한 정보를 저장할 수 있다. 카테고리 분류 모듈(623d)은 상기 제1 파라미터를 상기 오브젝트의 명칭과 비교하여 가장 유사한 명칭에 대응되는 카테고리를 상기 제1 파라미터의 카테고리로 결정할 수 있다. 일 실시 예에 따르면, 카테고리 분류 모듈(623d)은 상기 결정된 카테고리를 슬롯 태거(625c)로 전달할 수 있다. 카테고리 분류 모듈(623d)은 상기 전달된 카테고리를 제2 파라미터(또는, 제3 텍스트)로 결정할 수 있다. 이에 따라, 자연어 이해 모듈(623)을 통해 생성된 패스 룰은 제1 파라미터(예: 냉장고) 및 제2 파라미터(예: 전자 제품)를 포함할 수 있다.
일 실시 예에 따르면, 지능형 서버(620)는 상기 생성된 패스 룰을 사용자 단말(610)로 송신할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)(예: 지능형 에이전트(611))은 지능형 서버(620)로부터 상기 생성된 패스 룰을 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)(예: 실행 매니저 모듈(613))은 상기 패스 룰에 따라 비전 에이전트(615)를 실행시킬 수 있다. 일 실시 예에 따르면, 사용자 단말(610)(예: 비전 에이전트(615))은 '냉장고', '전자레인지' 및 '바나나'가 포함된 영역을 결정하고, 상기 이미지에서 관심 영역이 포함된 이미지(a')를 분리할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)은 상기 패스 룰에 포함된 제2 파라미터(예: 가전 제품)를 이용하여 '냉장고', '전자레인지' 및 '바나나' 각각이 포함된 이미지 중에서 '냉장고' 및 '전자레인지' 각각이 포함된 이미지를 선택하여 비전 서버(630)로 송신할 수 있다. 예를 들어, 사용자 단말(610)은 오브젝트가 포함된 이미지 및 제1 파라미터뿐만 아니라, 제2 파리미터와 관련된 제2 데이터를 비전 서버(630)로 송신할 수 있다.
일 실시 예에 따르면, 비전 서버(630)(예: 카테고리 분류 모듈(631))는 '냉장고' 및 '전자레인지' 각각이 포함된 복수의 이미지, 제1 파라미터 및 제2 파라미터를 수신할 수 있다. 일 실시 예에 따르면, 비전 서버(630)(예: 카테고리 분류 모듈(631))는 제2 파라미터(예: 전자 제품)를 이용하여 상기 복수의 이미지에 포함된 '냉장고' 및 '전자레인지'를 인식할 수 있다. 다시 말해, 비전 서버(630)는 이미지에 포함된 오브젝트의 카테고리를 다시 결정하지 않고, 지능형 서버(620)에서 결정된 제2 파라미터를 이용하여 상기 복수의 이미지에 포함된 '냉장고' 및 '전자레인지'를 인식할 수 있다. 비전 서버(630)는 전자 제품의 데이터베이스(633a)에서 상기 인식된 '냉장고' 및 '전자레인지'에 대한 정보를 생성할 수 있다. 일 실시 예에 따르면, 비전 서버(630)(예: 오브젝트 확인 모듈(635))는 제1 파라미터인 '냉장고'를 이용하여 상기 생성된 정보 중 '냉장고'에 대한 정보를 선택할 수 있다. 일 실시 예에 따르면, 비전 서버(630)는 상기 생성된 정보(또는, 제2 텍스트)(예: 냉장고 리스트)를 사용자 단말(100)로 송신할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 상기 생성된 정보를 수신하고, '냉장고'에 대한 정보를 디스플레이 및 스피커 중 적어도 하나를 통해 출력할 수 있다.
도 15는 일 실시 예에 따른 지능형 비전 시스템이 카메라 앱을 통한 프리뷰 이미지(preview image)와 관련된 사용자 발화를 처리하는 시퀀스도이다.
도 15를 참조하면, 사용자 단말(610)은 디스플레이에 표시된 프리뷰 이미지 상의 오브젝트(예: 냉장고)에 대한 정보를 수신할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)의 지능형 에이전트(611)는 “냉장고 얼마야?”를 수신할 수 있다(1). 일 실시 예에 따르면, 사용자 단말(620)은 사용자 발화를 지능형 서버(620)로 송신할 수 있다(2).
일 실시 예에 따르면, 지능형 서버(620)는 상기 사용자 입력에 대응되는 패스 룰을 생성할 수 있다(3). 예를 들어, 자연어 이해 모듈(623)의 도메인 분류기(623a)는 사용자 입력에 대응되는 도메인(예: 비전 에이전트(615))을 결정할 수 있다(3-1). 의도 분류기(623b)는 사용자 입력에 대응되는 의도(예: 상품 검색)를 결정할 수 있다(3-2). 슬롯 태거(623c)는 제1 파라미터인 '냉장고'를 추출할 수 있다(3-3). 슬롯 태거(623c)는 상기 제1 파라미터를 카테고리 분류 모듈(623d)로 전달할 수 있다. 카테고리 분류 모듈(623d)은 카테고리 데이터베이스(623e)에 저장된 정보를 이용하여 상기 제1 파라미터의 카테고리(예: 가전제품)를 결정할 수 있다. 카테고리 분류 모듈(623d)은 상기 결정된 카테고리를 슬롯 태거(623c)로 전달할 수 있다. 슬롯 태거(623c)는 상기 결정된 카테고리를 제2 파라미터로 결정할 수 있다(3-4). 일 실시 예에 따르면, 지능형 서버(620)는 상기 제1 파라미터 및 상기 제2 파라미터를 포함하는 패스 룰을 생성할 수 있다(3-5). 일 실시 예에 따르면, 지능형 서버(620)는 상시 생성된 패스 룰을 사용자 단말(610)의 지능형 에이전트(611)로 송신할 수 있다(4).
일 실시 예에 따르면, 사용자 단말(610)과 비전 서버(630) 사이의 (5) ~ (8) 과정은 도 12의 사용자 단말(610)과 비전 서버(630) 사이의 (5) ~ (8) 과정과 유사할 수 있다.
일 실시 예에 따르면, 비전 에이전트(615)는 상기 제2 동작을 실행할 수 있다(9). 일 실시 예에 따르면, 사용자 단말(610)은 상기 제2 동작을 실행하기 위한 정보를 비전 서버(630)로부터 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)의 비전 에이전트(615)는 캡쳐된 이미지, 제1 파라미터인 '냉장고' 및 제2 파라미터인 '전자 제품'을 비전 서버(630)로 송신할 수 있다(9-1). 일 실시 예에 따르면, 비전 서버(630)는 캡쳐된 이미지의 관심 영역을 결정할 수 있다(9-2). 비전 서버(630)는 제2 파라미터인 '전자 제품'을 이용하여 관심 영역에 포함된 오브젝트의 카테고리(예: 전자 제품)를 결정하고, 상기 결정된 카테고리의 인식기를 이용하여 '냉장고' 및 '전자레인지'를 인식할 수 있다(9-3). 일 실시 예에 따르면, 비전 서버(630)는 상기 인식된 '냉장고' 및 '전자레인지'에 대한 정보를 생성(또는, 검색)할 수 있다(9-4). 일 실시 예에 따르면, 비전 서버(630)는 제1 파라미터를 이용하여 생성된 복수의 오브젝트에 대한 정보 중 '냉장고'에 대한 정보(예: 냉장고 리스트)를 선택할 수 있다(9-5). 일 실시 예에 따르면, 비전 서버(630)는 상기 선택된 정보를 사용자 단말(610)로 송신할 수 있다(9-6).
일 실시 예에 따르면, 사용자 단말(610)은 상기 선택된 정보를 수신하고, '냉장고'에 대한 정보를 디스플레이에 표시할 수 있다(9-7). 다시 말해, 사용자 단말(610)은 상기 제2 동작을 실행할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)과 지능형 서버(620) 사이의 (10) ~ (13) 과정은 도 12의 사용자 단말(610)과 지능형 서버(620) 사이의 (10) ~ (13) 과정과 유사할 수 있다.
도 16은 일 실시 예에 따른 지능형 비전 시스템이 갤러리 앱을 통한 이미지와 관련된 사용자 발화를 처리하는 시퀀스도이다.
도 16을 참조하면, 사용자 단말(610)은 디스플레이에 표시된 스틸 이미지 상의 오브젝트(예: 냉장고)에 대한 정보를 수신할 수 있다. 사용자 단말(610) 및 지능형 서버(620)의 동작은 도 15의 사용자 단말(610) 및 지능형 서버(620)의 동작과 유사할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)과 지능형 서버(620) 사이의 (1) ~(4) 과정은 도 15의 사용자 단말(610)과 지능형 서버(620) 사이의 (1) ~ (4) 과정과 유사할 수 있다. 예를 들어, 기능형 서버(620)의 (3-1) ~ (3-5) 과정에서 생성된 패스 룰은 제1 파라미터인 '냉장고' 및 제2 파라미터인 '가전 제품'을 포함할 수 있다.
일 실시 예에 따르면, 실행 매니저 모듈(613)은 비전 에이전트(615)를 실행하고, 상기 패스 룰에 따라 동작(예: 냉장고의 정보를 디스플레이에 표시하는 동작)을 실행하는 요청을 비전 에이전트(615)로 전달할 수 있다(5). 일 실시 예에 따르면, 비전 에이전트(615)는 상기 동작을 실행할 수 있다(6). 일 실시 예에 따르면, 비전 에이전트(615)는 도 15와 상이하게 디스플레이에 표시된 이미지를 캡쳐하는 동작을 생략할 수 있다.
일 실시 예에 따르면, 사용자 단말(610)은 상기 동작을 실행하기 위한 정보를 비전 서버(630)로부터 수신할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)의 비전 에이전트(615)는 스틸 이미지의 관심 영역을 결정할 수 있다(6-1). 비전 에이전트(615)는 디스플레이에 표시된 이미지와 관련된 정보(예: 카테고리 정보 및 관심 영역 정보)를 이용하여 관심 영역을 결정할 수 있다. 일 실시 예에 따르면, 사용자 단말(610)의 비전 에이전트(615)는 이미지에서 관심 영역을 분리할 수 있다(6-2). 일 실시 예에 따르면, 사용자 단말(610)은 상기 관심 영역이 포함된 이미지, 제1 파라미터인 '냉장고' 및 제2 파라미터인 '전자 제품'을 비전 서버(630)로 송신할 수 있다(6-3).
일 실시 예에 따르면, 비전 서버(630)는 제2 파라미터인 '전자 제품'을 이용하여 관심 영역에 포함된 오브젝트의 카테고리(예: 전자 제품)를 결정하고, 상기 결정된 카테고리의 인식기를 이용하여 '냉장고' 및 '전자레인지'를 인식할 수 있다(6-4). 일 실시 예에 따르면, 비전 서버(630)는 상기 인식된 '냉장고' 및 '전자레인지'에 대한 정보를 생성(또는, 검색)할 수 있다(6-5). 일 실시 예에 따르면, 비전 서버(630)는 파라미터를 이용하여 생성된 복수의 오브젝트에 대한 정보 중 '냉장고'에 대한 정보(예: 냉장고 리스트)를 선택할 수 있다(6-6). 일 실시 예에 따르면, 비전 서버(630)는 상기 선택된 정보를 사용자 단말(610)로 송신할 수 있다(6-7).
일 실시 예에 따르면, 사용자 단말(610)은 상기 선택된 정보를 수신하고, '냉장고'에 대한 정보를 디스플레이에 표시할 수 있다(6-8).
일 실시 예에 따르면, 사용자 단말(610), 지능형 서버(620) 및 비전 서버(630)의 (7) ~ (11) 과정은 도 15의 비전 서버의 (10) ~ (13) 과정과 유사할 수 할 수 있다.
도 1 내지 도 16를 통해 설명한 본 발명의 다양한 실시 예에 따른 사용자 단말(610)은 이미지 상의 이미지 관련된 사용자 발화을 수신하였을 때, 비전 서버(630)를 통해 이미지를 분석하여 이미지 상의 오브젝트를 인식하고, 상기 인식된 오브젝트와 관련된 정보를 생성하여 사용자에게 제공함으로써 화면에 표시된 이미지와 사용자 발화를 유기적으로 처리할 수 있다.
사용자 단말(610)은 오브젝트의 카테고리를 인식하고, 인식된 카테고리의 인식기 및 정보를 이용하여 이미지 상의 오브젝트에 대한 정보를 생성함으로써, 사용자 입력과 관련된 오브젝트의 정보를 효율적으로 제공할 수 있다. 또한, 사용자 단말(610)은 이미지에 복수의 오브젝트를 포함하고 있는 경우, 사용자 입력에 포함된 오브젝트를 지정하는 텍스트를 인식하여 복수의 오브젝트 중 하나의 오브젝트를 선택하고, 선택된 오브젝트의 정보를 사용자에게 제공할 수 있다.
도 17은 다양한 실시 예들에 따른 네트워크 환경(1700) 내의 전자 장치(1701)의 블록도 이다. 본 문서에 개시된 다양한 실시 예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치(예: PDA(personal digital assistant), 태블릿 PC(tablet PC), 랩탑 PC(, 데스크톱 PC, 워크스테이션, 또는 서버), 휴대용 멀티미디어 장치(예: 전자 책 리더기 또는 MP3 플레이어), 휴대용 의료 기기(예: 심박, 혈당, 혈압, 또는 체온 측정기), 카메라, 또는 웨어러블 장치 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 액세서리 형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용 형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착 형(예: 스킨 패드 또는 문신), 또는 생체 이식 형 회로 중 적어도 하나를 포함할 수 있다. 어떤 실시 예들에서, 전자 장치는, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오 장치, 오디오 액세서리 장치(예: 스피커, 헤드폰, 또는 헤드 셋), 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스, 홈 오토메이션 컨트롤 패널, 보안 컨트롤 패널, 게임 콘솔, 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.
다른 실시 예에서, 전자 장치는 네비게이션 장치, 위성 항법 시스템(GNSS(global navigation satellite system)), EDR(event data recorder)(예: 차량/선박/비행기 용 블랙박스(black box)), 자동차 인포테인먼트 장치(예: 차량용 헤드-업 디스플레이), 산업용 또는 가정용 로봇, 드론(drone), ATM(automated teller machine), POS(point of sales) 기기, 계측 기기(예: 수도, 전기, 또는 가스 계측 기기), 또는 사물 인터넷 장치(예: 전구, 스프링클러 장치, 화재 경보기, 온도 조절기, 또는 가로등) 중 적어도 하나를 포함할 수 있다. 본 문서의 실시 예에 따른 전자 장치는 전술한 기기들에 한정되지 않으며, 또한, 예를 들면, 개인의 생체 정보(예: 심박 또는 혈당)의 측정 기능이 구비된 스마트폰의 경우처럼, 복수의 장치들의 기능들을 복합적으로 제공할 수 있다. 본 문서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.
도 17을 참조하여, 네트워크 환경(1700)에서 전자 장치(1701)(예: 도 1의 전자 장치(100))는 근거리 무선 통신(1798)을 통하여 전자 장치(1702)와 통신하거나, 또는 네트워크(1799)를 통하여 전자 장치(1704) 또는 서버(1708)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(1701)는 서버(1708)을 통하여 전자 장치(1704)와 통신할 수 있다.
일 실시 예에 따르면, 전자 장치(1701)는 버스(1710), 프로세서(1720)(예: 도 2의 프로세서(150)), 메모리(1730), 입력 장치(1750)(예: 마이크 또는 마우스), 표시 장치(1760), 오디오 모듈(1770), 센서 모듈(1776), 인터페이스(1777), 햅틱 모듈(1779), 카메라 모듈(1780), 전력 관리 모듈(1788), 및 배터리(1789), 통신 모듈(1790), 및 가입자 식별 모듈(1796)을 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(1701)는 구성요소들 중 적어도 하나(예: 표시 장치(1760) 또는 카메라 모듈(1780))를 생략하거나 다른 구성요소를 추가적으로 구비할 수 있다.
버스(1710)는, 구성요소들(1720-1790)을 서로 연결하고, 구성요소들 간의 신호(예: 제어 메시지 또는 데이터)를 전달하는 회로를 포함할 수 있다.
프로세서(1720)는, 중앙처리장치(central processing unit, CPU), 어플리케이션 프로세서(application processor, AP), GPU(graphics processing unit), 카메라의 ISP(image signal processor), 또는 CP(communication processor) 중 하나 또는 그 이상을 포함할 수 있다. 일 실시 예에 따르면, 프로세서(1720)는 SoC(system on chip) 또는 SiP(system in package)로 구현될 수 있다. 프로세서(1720)는, 예를 들면, 운영 체제 또는 응용 프로그램을 구동하여 프로세서(1720)에 연결된 전자 장치(1701)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 각종 데이터 처리 및 연산을 수행할 수 있다. 프로세서(1720)는 다른 구성요소들(예: 통신 모듈(1790)) 중 적어도 하나로부터 수신된 명령 또는 데이터를 휘발성 메모리(1732)에 로드 하여 처리하고, 결과 데이터를 비 휘발성 메모리(1734)에 저장할 수 있다.
메모리(1730)는, 휘발성 메모리(1732) 또는 비 휘발성 메모리(1734)를 포함할 수 있다. 휘발성 메모리(1732)는, 예를 들면, RAM(random access memory)(예: DRAM, SRAM, 또는 SDRAM)로 구성될 수 있다. 비 휘발성 메모리(1734)는, 예를 들면, PROM(programmable read-only memory), OTPROM(one time PROM), EPROM(erasable PROM), EEPROM(electrically EPROM), mask ROM, flash ROM, 플래시 메모리, HDD(hard disk drive), 또는 SSD(solid state drive)로 구성될 수 있다. 또한, 비 휘발성 메모리(1734)는, 전자 장치(1701)와의 연결 형태에 따라, 그 안에 배치된 내장 메모리(1736), 또는 필요 시에만 연결하여 사용 가능한 스탠드-얼론(stand-alone) 형태의 외장 메모리(1738)로 구성될 수 있다. 외장 메모리(1738)는 플래시 드라이브(flash drive), 예를 들면, CF(compact flash), SD(secure digital), Micro-SD, Mini-SD, xD(extreme digital), MMC(multi-media card), 또는 메모리 스틱을 포함할 수 있다. 외장 메모리(1738)는 유선(예: 케이블 또는 USB(universal serial bus)) 또는 무선(예: Bluetooth)을 통하여 전자 장치(1701)와 기능적으로 또는 물리적으로 연결될 수 있다.
메모리(1730)는, 예를 들면, 전자 장치(1701)의 적어도 하나의 다른 소프트웨어 구성요소, 예를 들어, 프로그램(1740)에 관계된 명령 또는 데이터를 저장할 수 있다. 프로그램(1740)은, 예를 들면, 커널(1741), 라이브러리(1743), 어플리케이션 프레임워크(1745), 또는 어플리케이션 프로그램(interchangeably "어플리케이션")(1747)을 포함할 수 있다.
입력 장치(1750)는, 마이크, 마우스, 또는 키보드를 포함할 수 있다. 일 실시 예에 따르면, 키보드는 물리적인 키보드로 연결되거나, 표시 장치(1760)를 통해 가상 키보드로 표시될 수 있다.
표시 장치(1760)는, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 디스플레이는, 예를 들면, 액정 디스플레이(LCD), 발광 다이오드(LED) 디스플레이, 유기 발광 다이오드(OLED) 디스플레이, 마이크로 전자기계 시스템(MEMS) 디스플레이, 또는 전자 종이(electronic paper) 디스플레이를 포함할 수 있다. 디스플레이는, 일 실시 예에 따르면, 유연하게, 투명하게, 또는 착용할 수 있게 구현될 수 있다. 디스플레이는 사용자의 터치, 제스처, 근접, 또는 호버링(hovering) 입력을 감지할 수 터치 회로(touch circuitry) 또는 터치에 대한 압력의 세기를 측정할 수 있는 압력 센서(interchangeably "force sensor")를 포함할 수 있다. 상기 터치 회로 또는 압력 센서는 디스플레이와 일체형으로 구현되거나, 또는 디스플레이와는 별도의 하나 이상의 센서들로 구현될 수 있다. 홀로그램 장치는 빛의 간섭을 이용하여 입체 영상을 허공에 보여줄 수 있다. 프로젝터는 스크린에 빛을 투사하여 영상을 표시할 수 있다. 스크린은, 예를 들면, 전자 장치(1701)의 내부 또는 외부에 위치할 수 있다.
오디오 모듈(1770)은, 예를 들면, 소리와 전기 신호를 쌍방향으로 변환시킬 수 있다. 일 실시 예에 따르면, 오디오 모듈(1770)은, 입력 장치(1750)(예: 마이크)를 통해 소리를 획득하거나, 또는 전자 장치(1701)에 포함된 출력 장치(미 도시)(예: 스피커 또는 리시버), 또는 전자 장치(1701)와 연결된 외부 전자 장치(예: 전자 장치(1702)(예: 무선 스피커 또는 무선 헤드폰) 또는 전자 장치(1706)(예: 유선 스피커 또는 유선 헤드폰))를 통해 소리를 출력할 수 있다.
센서 모듈(1776)은, 예를 들면, 전자 장치(1701)의 내부의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 고도, 습도, 또는 밝기)를 계측 또는 감지하여, 그 계측 또는 감지된 상태 정보에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 센서 모듈(1776)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러(color) 센서(예: RGB(red, green, blue) 센서), IR(infrared) 센서, 생체 센서(예: 홍채 센서, 지문 센서, 또는 HRM(heartbeat rate monitoring) 센서, 후각(electronic nose) 센서, EMG(electromyography) 센서, EEG(Electroencephalogram) 센서, ECG(Electrocardiogram) 센서), 온도 센서, 습도 센서, 조도 센서, 또는 UV(ultra violet) 센서를 포함할 수 있다. 센서 모듈(1776)은 그 안에 속한 적어도 하나 이상의 센서들을 제어하기 위한 제어 회로를 더 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(1701)는 프로세서(1720) 또는 프로세서(1720)와는 별도의 프로세서(예: 센서 허브)를 이용하여, 센서 모듈(1776)을 제어할 수 있다. 별도의 프로세서(예: 센서 허브)를 이용하는 경우에, 전자 장치(1701)는 프로세서(1720)가 슬립(sleep) 상태에 있는 동안, 프로세서(1720)를 깨우지 않고 별도의 프로세서의 작동에 의하여 센서 모듈(1776)의 동작 또는 상태의 적어도 일부를 제어할 수 있다.
인터페이스(1777)는, 일 실시 예에 따르면, HDMI(high definition multimedia interface), USB, 광 인터페이스(optical interface), RS-232(recommended standard 232), D-sub(D-subminiature), MHL(mobile high-definition link) 인터페이스, SD카드/MMC(multi-media card) 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다. 연결 단자(1778)는 전자 장치(1701)와 전자 장치(1706)를 물리적으로 연결시킬 수 있다. 일 실시 예에 따르면, 연결 단자(1778)는, 예를 들면, USB 커넥터, SD 카드/MMC 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(1779)은 전기적 신호를 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 예를 들면, 햅틱 모듈(1779)은 사용자에게 촉각 또는 운동 감각과 관련된 자극을 제공할 수 있다. 햅틱 모듈(1779)은 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(1780)은, 예를 들면, 정지 영상 및 동영상을 촬영할 수 있다. 카메라 모듈(1780)는, 일 실시 예에 따르면, 하나 이상의 렌즈(예: 광각 렌즈 및 망원 렌즈, 또는 전면 렌즈 및 후면 렌즈), 이미지 센서, 이미지 시그널 프로세서, 또는 플래시(예: 발광 다이오드 또는 제논 램프(xenon lamp) 등)를 포함할 수 있다.
전력 관리 모듈(1788)은 전자 장치(1701)의 전력을 관리하기 위한 모듈로서, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구성될 수 있다.
배터리(1789)는, 예를 들면, 1차 전지, 2차 전지, 또는 연료 전지를 포함하여 외부 전원에 의해 재충전되어, 상기 전자 장치(1701)의 적어도 하나의 구성 요소에 전력을 공급할 수 있다.
통신 모듈(1790)은, 예를 들면, 전자 장치(1701)와 외부 장치(예: 제1 외부 전자 장치(1702), 제2 외부 전자 장치(1704), 또는 서버(1708)) 간의 통신 채널 수립 및 수립된 통신 채널을 통한 유선 또는 무선 통신의 수행을 지원할 수 있다. 일 실시 예에 따르면, 통신 모듈(1790)은 무선 통신 모듈(1792) 또는 유선 통신 모듈(1794)을포함하고, 그 중 해당하는 통신 모듈을 이용하여 제1 네트워크(1798)(예: Bluetooth 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(1799)(예: 셀룰러 네트워크와 같은 원거리 통신 네트워크)를 통하여 외부 장치와 통신할 수 있다.
무선 통신 모듈(1792)은, 예를 들면, 셀룰러 통신, 근거리 무선 통신, 또는 GNSS 통신을 지원할 수 있다. 셀룰러 통신은, 예를 들면, LTE(long-term evolution), LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications)을 포함할 수 있다. 근거리 무선 통신은, 예를 들면, Wi-Fi(wireless fidelity), Wi-Fi Direct, Li-Fi(light fidelity), Bluetooth, BLE(Bluetooth low energy), Zigbee, NFC(near field communication), MST(magnetic secure transmission), RF(radio frequency), 또는 BAN(body area network)을 포함할 수 있다. GNSS는, 예를 들면, GPS(Global Positioning System), Glonass(Global Navigation Satellite System), Beidou Navigation Satellite System(이하 "Beidou") 또는 Galileo(the European global satellite-based navigation system)을 포함할 수 있다. 본 문서에서 "GPS"는 "GNSS"와 상호 호환적으로 사용될 수 있다.
일 실시 예에 따르면, 상기 무선 통신 모듈(1792)은, 셀룰러 통신을 지원하는 경우, 예를 들면, 가입자 식별 모듈(1796)을 이용하여 통신 네트워크 내에서 전자 장치(1701)의 구별 및 인증을 수행할 수 있다. 일 실시 예에 따르면, 무선 통신 모듈(1792)은 프로세서(1720)(예: AP)와 별개인 CP를 포함할 수 있다. 이런 경우, CP는, 예를 들면, 프로세서(1720)가 인액티브(예: 슬립) 상태에 있는 동안 프로세서(1720)를 대신하여, 또는 프로세서(1720)가 액티브 상태에 있는 동안 프로세서(1720)과 함께, 전자 장치(1701)의 구성요소들(1710-1796) 중 적어도 하나의 구성 요소와 관련된 기능들의 적어도 일부 기능을 수행할 수 있다. 일 실시 예에 따르면, 무선 통신 모듈(1792)은 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS 통신 모듈 중 해당하는 통신 방식만을 지원하는 복수의 통신 모듈들로 구성될 수 있다.
유선 통신 모듈(1794)은, 예를 들면, LAN(local area network), 전력선 통신 또는 POTS(plain old telephone service)를 포함할 수 있다.
제1 네트워크(1798)는, 예를 들어, 전자 장치(1701)와 제1 외부 전자 장치(1702)간의 무선으로 직접 연결을 통해 명령 또는 데이터를 송신 또는 수신 할 수 있는 Wi-Fi 다이렉트 또는 Bluetooth를 포함할 수 있다. 제2 네트워크(1799)는, 예를 들어, 전자 장치(1701)와 제2 외부 전자 장치(1704)간의 명령 또는 데이터를 송신 또는 수신할 수 있는 텔레커뮤니케이션 네트워크(예: LAN(local area network)나 WAN(wide area network)와 같은 컴퓨터 네트워크, 인터넷(internet), 또는 텔레폰(telephone) 네트워크)를 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 명령 또는 상기 데이터는 제2 네트워크에 연결된 서버(1708)를 통해서 전자 장치(1701)와 제2 외부 전자 장치(1704)간에 송신 또는 수신될 수 있다. 제1 및 제2 외부 전자 장치(1702, 1704) 각각은 전자 장치(1701)와 동일한 또는 다른 종류의 장치일 수 있다. 다양한 실시 예들에 따르면, 전자 장치(1701)에서 실행되는 동작들의 전부 또는 일부는 다른 하나 또는 복수의 전자 장치(예: 전자 장치(1702, 1704), 또는 서버(1708)에서 실행될 수 있다. 일 실시 예에 따르면, 전자 장치(1701)가 어떤 기능이나 서비스를 자동으로 또는 요청에 의하여 수행해야 할 경우에, 전자 장치(1701)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 그와 연관된 적어도 일부 기능을 다른 장치(예: 전자 장치(1702, 1704), 또는 서버(1708))에게 요청할 수 있다. 다른 전자 장치(예: 전자 장치(1702, 1704), 또는 서버(1708))는 요청된 기능 또는 추가 기능을 실행하고, 그 결과를 전자 장치(1701)로 전달할 수 있다. 전자 장치(1701)는 수신된 결과를 그대로 또는 추가적으로 처리하여 요청된 기능이나 서비스를 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
본 문서의 다양한 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및/또는 B 중 적어도 하나", "A, B 또는 C" 또는 "A, B 및/또는 C 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제 3 구성요소)를 통하여 연결될 수 있다.
본 문서에서, "~하도록 설정된(adapted to or configured to)"은 상황에 따라, 예를 들면, 하드웨어적 또는 소프트웨어적으로 "~에 적합한," "~하는 능력을 가지는," "~하도록 변경된," "~하도록 만들어진," "~를 할 수 있는," 또는 "~하도록 설계된"과 상호 호환적으로(interchangeably) 사용될 수 있다. 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 설정된 (또는 구성된) 프로세서"는 해당 동작들을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치(예: 메모리 1730)에 저장된 하나 이상의 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU 또는 AP)를 의미할 수 있다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어(firmware)로 구성된 유닛(unit)을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. "모듈"은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. "모듈"은 기계적으로 또는 전자적으로 구현될 수 있으며, 예를 들면, 어떤 동작들을 수행하는, 알려졌거나 앞으로 개발될, ASIC(application-specific integrated circuit) 칩, FPGAs(field-programmable gate arrays), 또는 프로그램 가능 논리 장치를 포함할 수 있다.
다양한 실시 예들에 따른 장치(예: 모듈들 또는 그 기능들) 또는 방법(예: 동작들)의 적어도 일부는 프로그램 모듈의 형태로 컴퓨터로 판독 가능한 저장 매체(예: 메모리(1730))에 저장된 명령어로 구현될 수 있다. 상기 명령어가 프로세서(예: 프로세서(1720))에 의해 실행될 경우, 프로세서가 상기 명령어에 해당하는 기능을 수행할 수 있다. 컴퓨터로 판독 가능한 기록 매체는, 하드디스크, 플로피디스크, 마그네틱 매체(예: 자기테이프), 광기록 매체(예: CD-ROM, DVD, 자기-광 매체(예: 플롭티컬 디스크), 내장 메모리 등을 포함할 수 있다. 명령어는 컴파일러에 의해 만들어지는 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다.
다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램 모듈) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소를 더 포함할 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램 모듈)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따른 모듈, 프로그램 모듈 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱(heuristic)하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.

Claims (15)

  1. 전자 장치에 있어서,
    하우징;
    상기 하우징의 제1 부분에 위치한 스피커;
    상기 하우징의 제2 부분에 위치한 마이크;
    상기 하우징의 제3 부분에 위치한 터치 스크린 디스플레이;
    상기 하우징의 내부에 위치하거나, 상기 하우징의 부착된 통신 회로;
    상기 하우징의 내부에 위치하고, 상기 스피커, 상기 마이크, 상기 디스플레이 및 상기 통신 회로와 동작 가능하게 연결된 프로세서; 및
    상기 하우징의 내부에 위치하고, 상기 프로세서와 동작 가능하게 연결된 메모리;를 포함하고,
    상기 메모리에 저장된 명령어가 실행되었을 때, 상기 프로세서로 하여금,
    적어도 하나의 오브젝트(object)를 포함하는 이미지를 상기 디스플레이에 표시하고,
    상기 디스플레이 또는 상기 마이크 중 적어도 하나를 통해 제1 사용자 입력을 수신하고, 상기 제1 사용자 입력은 상기 이미지 상의 적어도 하나의 오브젝트와 관련된 태스크(task)를 수행하는 요청을 포함하고,
    상기 통신 회로를 통해 상기 제1 사용자 입력과 관련된 제1 데이터를 제1 외부 서버로 송신하고,
    상기 통신 회로를 통해 상기 제1 외부 서버로부터 제1 응답을 수신하고, 상기 제1 응답은 상기 적어도 하나의 오브젝트와 관련된 제1 텍스트를 포함하고,
    상기 통신 회로를 통해 상기 이미지 및 상기 제1 텍스트와 관련된 제2 데이터를 제2 외부 서버로 송신하고,
    상기 통신 회로를 통해 상기 제2 외부 서버로부터 제2 응답을 수신하고, 상기 제2 응답은 상기 태스크의 적어도 일부를 수행하는 것과 관련된 제2 텍스트를 포함하고,
    상기 디스플레이 또는 상기 스피커를 통해 상기 제2 텍스트의 적어도 일부를 제공하는, 전자 장치.
  2. 청구항 1에 있어서,
    상기 이미지는 상기 적어도 하나의 오브젝트가 포함된 영역을 분리한 이미지인, 전자 장치.
  3. 청구항 1에 있어서,
    상기 명령어는 상기 프로세서로 하여금,
    상기 이미지를 상기 전자 장치에서 직접 분석하거나, 상기 제2 외부 서버를 통해 분석하여 상기 이미지에서 상기 적어도 하나의 오브젝트가 포함된 영역에 대한 정보를 생성하고,
    상기 생성된 정보를 이용하여 상기 이미지에서 상기 적어도 하나의 오브젝트가 포함된 영역을 분리하도록 하는, 전자 장치.
  4. 청구항 1에 있어서,
    상기 태스크는 상기 이미지에 포함된 상기 적어도 하나의 오브젝트와 관련된 정보를 획득하는 것을 더 포함하는, 전자 장치.
  5. 청구항 1에 있어서,
    상기 제1 텍스트는 상기 적어도 하나의 오브젝트를 지칭하는 정보임을 더 포함하는, 전자 장치.
  6. 청구항 1에 있어서,
    상기 제2 텍스트는 상기 적어도 하나의 오브젝트가 제품(product)일 경우, 해당 제품의 모델 정보, 기능 정보, 가격 정보, 생산자 정보 및 판매자 정보 중 적어도 하나를 더 포함하는, 전자 장치.
  7. 청구항 1에 있어서,
    카메라를 더 포함하고, 상기 이미지는 상기 카메라를 이용한 프리뷰 이미지(preview image)인 전자 장치.
  8. 청구항 7에 있어서,
    상기 명령어는 상기 프로세서로 하여금,
    상기 제2 응답을 수신하였을 때, 상기 디스플레이에 표시된 프리뷰 이미지를 캡쳐하여 스틸 이미지(stil image)로 저장하고,
    상기 저장된 스틸 이미지 및 상기 제1 텍스트와 관련된 상기 제2 데이터를 상기 제2 외부 서버로 송신하도록 하는, 전자 장치.
  9. 청구항 1에 있어서,
    상기 제1 응답은 상기 태스크를 수행하기 위한 상기 전자 장치의 상태들의 시퀀스를 더 포함하고,
    상기 명령어는 상기 프로세서로 하여금,
    상기 제2 텍스트의 적어도 일부를 이용하여, 상기 제2 응답을 수신한 후 상기 전자 장치가 상기 시퀀스의 상태들 중 적어도 일부를 갖게 하는 것을 더 포함하는 전자 장치.
  10. 청구항 1에 있어서,
    상기 제1 응답은 상기 적어도 하나의 오브젝트와 관련된 제3 텍스트를 더 포함하고, 상기 제3 텍스트는 상기 이미지에 포함된 오브젝트의 카테고리(category) 정보를 포함하고,
    상기 명령어는 상기 프로세서로 하여금,
    상기 이미지 및 상기 제1 텍스트뿐만 아니라, 상기 제3 텍스트와 관련된 상기 제2 데이터를 상기 제2 외부 서버로 송신하도록 하는, 전자 장치.
  11. 청구항 1에 있어서,
    상기 명령어는 상기 프로세서로 하여금,
    상기 통신 회로를 통해 상기 제2 텍스트를 디스플레이 장치로 송신하여, 상기 디스플레이 장치에 포함된 디스플레이를 통해 상기 제2 텍스트의 적어도 일부를 제공하도록 하는, 전자 장치.
  12. 이미지를 처리하는 서버에 있어서,
    네트워크 인터페이스;
    상기 네트워크 인터페이스와 동작 가능하도록 연결된 프로세서; 및
    상기 프로세서와 동작 가능하도록 연결하고, 오브젝트와 관련된 정보가 저장된 적어도 하나의 데이터베이스를 포함하는 메모리;를 포함하고,
    상기 메모리에 저장된 명령어가 실행되었을 때, 상기 프로세서로 하여금,
    상기 네트워크 인터페이스를 통해 외부 전자 장치로부터 적어도 하나의 오브젝트(object)를 포함하는 이미지 및 제1 텍스트와 관련된 제1 데이터를 수신하고, 상기 제1 텍스트는 상기 적어도 하나의 오브젝트와 관련되고,
    상기 이미지에 포함된 상기 적어도 하나의 오브젝트를 인식하고,
    상기 인식된 적어도 하나의 오브젝트에 대한 정보를 상기 데이터베이스로부터 획득하고,
    상기 획득한 정보 및 상기 제1 텍스트를 이용하여 제2 텍스트를 생성하고,
    상기 생성된 제2 텍스트를 상기 외부 전자 장치로 송신하도록 하는, 서버.
  13. 청구항 12에 있어서,
    상기 명령어는 상기 프로세서로 하여금,
    상기 이미지에 포함된 상기 적어도 하나의 오브젝트에 대한 카테고리(category)를 결정하고,
    상기 결정된 카테고리와 관련된 데이터베이스로부터 상기 적어도 하나의 오브젝트와 관련된 정보를 획득하고,
    상기 제1 텍스트를 이용하여 상기 획득된 정보로부터 제2 텍스트를 획득하고,
    상기 획득된 제2 텍스트를 상기 외부 전자 장치로 송신하도록 하는, 서버.
  14. 청구항 13에 있어서,
    상기 카테고리는 상위 카테고리 및, 상기 상위 카테고리에 포함된 하위 카테고리를 포함하고,
    상기 메모리는 적어도 하나 이상의 상기 카테고리와 관련된 데이터베이스를 포함하도록 하고,
    상기 명령어는 상기 프로세서로 하여금,
    상기 상위 카테고리 및 하위 카테고리를 순차적으로 결정하도록 하는, 서버.
  15. 청구항 12에 있어서,
    상기 상기 오브젝트와 관련된 정보는 텍스트 및 이미지가 포함된 리스트 정보를 포함하는, 서버.
PCT/KR2018/011851 2017-10-12 2018-10-10 사용자 발화를 처리하는 전자 장치 및 서버 WO2019074257A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP18865649.0A EP3678132A4 (en) 2017-10-12 2018-10-10 ELECTRONIC DEVICE AND SERVER FOR PROCESSING USER STATEMENTS
US16/753,234 US20200326832A1 (en) 2017-10-12 2018-10-10 Electronic device and server for processing user utterances

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170132812A KR102431817B1 (ko) 2017-10-12 2017-10-12 사용자 발화를 처리하는 전자 장치 및 서버
KR10-2017-0132812 2017-10-12

Publications (1)

Publication Number Publication Date
WO2019074257A1 true WO2019074257A1 (ko) 2019-04-18

Family

ID=66101452

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/011851 WO2019074257A1 (ko) 2017-10-12 2018-10-10 사용자 발화를 처리하는 전자 장치 및 서버

Country Status (4)

Country Link
US (1) US20200326832A1 (ko)
EP (1) EP3678132A4 (ko)
KR (1) KR102431817B1 (ko)
WO (1) WO2019074257A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4238071A4 (en) * 2020-10-30 2024-04-17 Tiliter Pty Ltd METHOD AND APPARATUS FOR IMAGE RECOGNITION IN MOBILE COMMUNICATION DEVICE FOR IDENTIFYING AND WEIGHING ARTICLES

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102398649B1 (ko) * 2017-03-28 2022-05-17 삼성전자주식회사 사용자 발화를 처리하는 전자 장치 및 그 동작 방법
US11803883B2 (en) * 2018-01-29 2023-10-31 Nielsen Consumer Llc Quality assurance for labeled training data
EP4026120A4 (en) * 2019-09-04 2023-10-18 Brain Technologies, Inc. REAL-TIME MORPHING INTERFACE FOR DISPLAY ON A COMPUTER SCREEN
WO2021154285A1 (en) * 2020-01-31 2021-08-05 Google Llc Analyzing graphical user interfaces to facilitate automatic interaction
CN113643696A (zh) * 2021-08-10 2021-11-12 阿波罗智联(北京)科技有限公司 语音处理方法、装置、设备、存储介质及程序

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100260373A1 (en) * 2004-02-20 2010-10-14 Google Inc. Mobile image-based information retrieval system
KR20130055029A (ko) * 2009-04-14 2013-05-27 퀄컴 인코포레이티드 모바일 디바이스들을 이용한 이미지 인식을 위한 시스템 및 방법
KR20130124767A (ko) * 2012-05-07 2013-11-15 엘지전자 주식회사 미디어 시스템 및 이미지와 연관된 추천 검색어를 제공하는 방법
KR20150059466A (ko) * 2013-11-22 2015-06-01 삼성전자주식회사 전자장치에서 이미지 내의 특정 객체를 인식하기 위한 방법 및 장치
US20160203388A1 (en) * 2015-01-13 2016-07-14 Arris Enterprises, Inc. Automatic detection of logos in video sequences

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9318108B2 (en) * 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
US20150088923A1 (en) * 2013-09-23 2015-03-26 Google Inc. Using sensor inputs from a computing device to determine search query
KR20150134252A (ko) * 2014-05-21 2015-12-01 삼성전자주식회사 디스플레이 장치, 원격 제어 장치, 시스템 및 그 제어 방법
EP2947635B1 (en) * 2014-05-21 2018-12-19 Samsung Electronics Co., Ltd. Display apparatus, remote control apparatus, system and controlling method thereof

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100260373A1 (en) * 2004-02-20 2010-10-14 Google Inc. Mobile image-based information retrieval system
KR20130055029A (ko) * 2009-04-14 2013-05-27 퀄컴 인코포레이티드 모바일 디바이스들을 이용한 이미지 인식을 위한 시스템 및 방법
KR20130124767A (ko) * 2012-05-07 2013-11-15 엘지전자 주식회사 미디어 시스템 및 이미지와 연관된 추천 검색어를 제공하는 방법
KR20150059466A (ko) * 2013-11-22 2015-06-01 삼성전자주식회사 전자장치에서 이미지 내의 특정 객체를 인식하기 위한 방법 및 장치
US20160203388A1 (en) * 2015-01-13 2016-07-14 Arris Enterprises, Inc. Automatic detection of logos in video sequences

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3678132A4 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4238071A4 (en) * 2020-10-30 2024-04-17 Tiliter Pty Ltd METHOD AND APPARATUS FOR IMAGE RECOGNITION IN MOBILE COMMUNICATION DEVICE FOR IDENTIFYING AND WEIGHING ARTICLES

Also Published As

Publication number Publication date
US20200326832A1 (en) 2020-10-15
EP3678132A1 (en) 2020-07-08
EP3678132A4 (en) 2020-11-04
KR20190041343A (ko) 2019-04-22
KR102431817B1 (ko) 2022-08-12

Similar Documents

Publication Publication Date Title
WO2019164146A1 (en) System for processing user utterance and controlling method thereof
WO2019164140A1 (en) System for processing user utterance and controlling method thereof
WO2019013510A1 (en) VOICE PROCESSING METHOD AND ELECTRONIC DEVICE SUPPORTING IT
WO2019074257A1 (ko) 사용자 발화를 처리하는 전자 장치 및 서버
WO2018182311A1 (en) Method for operating speech recognition service, electronic device and system supporting the same
WO2018135743A1 (ko) 발화 완료 감지 방법 및 이를 구현한 전자 장치
WO2018182293A1 (en) Method for operating speech recognition service and electronic device supporting the same
WO2018182351A1 (en) Method for providing information and electronic device supporting the same
WO2019039915A1 (en) METHOD FOR ACTIVATION OF VOICE RECOGNITION SERVICE AND ELECTRONIC DEVICE IMPLEMENTING THE SAME
WO2017090947A1 (en) Question and answer processing method and electronic device for supporting the same
WO2021025350A1 (en) Electronic device managing plurality of intelligent agents and operation method thereof
WO2017090954A1 (en) Electronic device and operating method thereof
WO2019004659A1 (en) DISPLAY CONTROL METHOD AND ELECTRONIC DEVICE SUPPORTING SAID METHOD
WO2018182298A1 (en) Method for operating speech recognition service and electronic device supporting the same
WO2019146970A1 (ko) 사용자 발화 응답 방법 및 이를 지원하는 전자 장치
WO2019199030A1 (ko) 사용자 발화를 처리하는 시스템 및 그 시스템의 제어 방법
WO2020105856A1 (en) Electronic apparatus for processing user utterance and controlling method thereof
WO2019182252A1 (en) Electronic device and server for processing data received from electronic device
WO2020122677A1 (en) Method of performing function of electronic device and electronic device using same
WO2019059642A1 (ko) 자연어 표현 제공 방법 및 이를 지원하는 전자 장치
WO2018182270A1 (ko) 전자 장치 및 이를 이용한 사용자 입력을 처리하기 위한 화면 제어 방법
WO2019172627A1 (en) System for processing user utterance and controlling method thereof
WO2019050242A1 (en) ELECTRONIC DEVICE, SERVER, AND RECORDING MEDIUM SUPPORTING THE EXECUTION OF A TASK USING AN EXTERNAL DEVICE
WO2018203620A1 (ko) 사용자 발화를 처리하는 전자
WO2019112181A1 (ko) 오디오 데이터에 포함된 음소 정보를 이용하여 어플리케이션을 실행하기 위한 전자 장치 및 그의 동작 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18865649

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2018865649

Country of ref document: EP

Effective date: 20200331

NENP Non-entry into the national phase

Ref country code: DE