WO2022182163A1

WO2022182163A1 - 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 방법 및 장치

Info

Publication number: WO2022182163A1
Application number: PCT/KR2022/002712
Authority: WO
Inventors: 김원태; 김동민; 이명재; 강신욱; 이정현
Original assignee: (주) 제이엘케이
Priority date: 2021-02-24
Filing date: 2022-02-24
Publication date: 2022-09-01

Abstract

본 발명은 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 방법 및 장치에 관한 것으로, 본 발명에 따른 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 방법은 학습 데이터 생성부가 수집한 원시 데이터에 프리 어노테이션 모델(Pre-annotation model)을 적용하여 인공지능 모델 학습을 위한 학습 데이터를 생성하는 제1 단계; 데이터 저장소가 검수된 상기 데이터를 해당 분류에 따라 각각 격리된 저장 공간에 할당하여 저장하는 제2 단계; 업로드 완료 감시부가 상기 학습 데이터가 상기 데이터 저장소에 업로드 되면, 인공지능 모델(AI model)에 상기 학습 데이터를 할당하여 상기 인공지능 모델이 학습하도록 하는 제3 단계; 및 모델 검증부가 학습된 상기 인공지능 모델의 성능을 검증하는 제4 단계;를 포함하여 구성된다.

Description

데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 방법 및 장치

본 발명은 클라우드 환경, 로컬 환경 등 다양한 환경 하에서 인공지능 학습을 위한 데이터 수집, 가공 및 인공지능 모델 생성과 더불어 자동화된 인공지능 모델의 성능 고도화를 제공하는 통합적 수단을 제공하는 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 방법 및 장치에 관한 것이다.

인공지능 모델을 학습시키기 위해서는 학습 데이터를 수집, 생성하는 절차가 필요하다. 예를 들어 영상에서 자동차를 탐지하는 인공지능 모델을 개발하고자 하는 경우, 학습을 위해 영상에 나타난 자동차의 영역을 표현하는 데이터가 필요한데, 이를 생성하기 위해서는 수작업으로 자동차 영역 확인을 해야 했기 때문에 많은 시간과 노력이 소요된다.

프리 어노테이션(Pre-annotation)은 해당 과정을 영상처리, 인공지능 모델 사용 등 다양한 방법을 활용하여 자동화하는 방법으로서, 적은 시간과 노력으로 많은 양의 학습 데이터를 생성할 수 있어 기존 방식에 비해 빠른 시간 내에 인공지능 모델의 학습 및 생성이 가능하다.

그러나, 현재까지의 프리 어노테이션(pre-annotation) 방법은 사전에 생성해둔 인공지능 모델 사용에 의존하는 경우가 대부분으로, 프리 어노테이션 (pre-annotation) 결과에 대한 피드백을 반영할 수 없기 때문에 성능 향상을 기대할 수 없었고, 특히 프리 어노테이션(pre-annotation) 모델 학습에 사용되지 않았던 범주의 데이터에 대해 성능이 상대적으로 떨어지는 문제점이 존재한다.

또한, 학습 데이터 생성과 인공지능 모델 학습, 인공지능 모델 성능 고도화의 각 과정이 별개로 분리되어 있으므로, 프리 어노테이션(pre-annotation)을 적용하여 학습 데이터를 생성한 경우에도 추가적인 절차를 거쳐야 인공지능 모델을 취득할 수 있다는 한계가 존재한다.

따라서, 프리 어노테이션(pre-annotation) 데이터의 생성부터 인공지능 모델의 생성 및 성능 고도화까지 이르는 통합적인 방법이 필요하다.

본 발명은 전술한 문제를 해결하기 위해 안출된 것으로서, 프리 어노테이션(pre-annotation) 데이터가 생성되면 자동으로 학습 후 인공지능 모델을 생성하고, 생성된 모델에 대해 성능 고도화 및 성능 검증을 수행할 수 있는 통합적인 수단을 제공하고자 한다.

전술한 문제를 해결하기 위한 본 발명의 일실시예에 따른 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 방법은, 학습 데이터 생성부가 수집한 원시 데이터에 프리 어노테이션 모델(Pre-annotation model)을 적용하여 인공지능 모델 학습을 위한 학습 데이터를 생성하는 제1 단계; 데이터 저장소가 검수된 상기 데이터를 해당 분류에 따라 각각 격리된 저장 공간에 할당하여 저장하는 제2 단계; 업로드 완료 감시부가 상기 학습 데이터가 상기 데이터 저장소에 업로드 되면, 인공지능 모델(AI model)에 상기 학습 데이터를 할당하여 상기 인공지능 모델이 학습하도록 하는 제3 단계; 및 모델 검증부가 학습된 상기 인공지능 모델의 성능을 검증하는 제4 단계;를 포함하여 구성된다.

본 발명의 다른 일실시예에 따르면, 상기 제1 단계는 상기 학습 데이터 생성부가 수집한 원시 데이터에 프리 어노테이션 모델(Pre-annotation model)을 적용하여 인공지능 모델 학습을 위한 학습 데이터를 생성하고, 상기 생성된 학습 데이터를 검수할 수 있다.

본 발명의 다른 일실시예에 따르면, 상기 제2 단계는 상기 데이터 저장소가 검수된 상기 데이터를 사용자 또는 프로젝트를 기준으로 분류한 데이터를 각각 격리된 저장 공간에 할당하여 저장할 수 있다.

본 발명의 다른 일실시예에 따르면, 상기 제3 단계는 상기 업로드 완료 감시부가 상기 학습 데이터가 상기 데이터 저장소에 업로드 되는 것을 감시하여 업로드가 완료되면, 인공지능 모델(AI model)에 상기 학습 데이터를 자동으로 할당하여 상기 인공지능 모델이 학습하도록 할 수 있다.

본 발명의 다른 일실시예에 따르면, 상기 제4 단계의 이후에, 상기 모델 검증부에서 성능이 검증된 인공지능 모델이, 상기 학습 데이터 생성부에서 사용되는 상기 프리어노테이션 모델에 적용되는 단계;를 더 포함할 수 있다.

본 발명의 일실시예에 따른 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 장치는 수집된 원시 데이터에 프리 어노테이션 모델(Pre-annotation model)을 적용하여 인공지능 모델 학습을 위한 학습 데이터를 생성하는 학습 데이터 생성부; 검수된 상기 데이터를 해당 분류에 따라 각각 격리된 저장 공간에 할당하여 저장하는 데이터 저장소; 상기 학습 데이터가 상기 데이터 저장소에 업로드 되면, 인공지능 모델(AI model)에 상기 학습 데이터를 할당하여 상기 인공지능 모델이 학습하도록 하는 업로드 완료 감시부; 및 학습된 상기 인공지능 모델의 성능을 검증하는 모델 검증부;를 포함하여 구성된다.

본 발명의 다른 일실시예에 따르면, 상기 학습 데이터 생성부는 수집한 원시 데이터에 프리 어노테이션 모델(Pre-annotation model)을 적용하여 인공지능 모델 학습을 위한 학습 데이터를 생성하고, 상기 생성된 학습 데이터를 검수할 수 있다.

본 발명의 다른 일실시예에 따르면, 상기 데이터 저장소는 검수된 상기 데이터를 사용자 또는 프로젝트를 기준으로 분류한 데이터를 각각 격리된 저장 공간에 할당하여 저장할 수 있다.

본 발명의 다른 일실시예에 따르면, 상기 업로드 완료 감시부는 상기 학습 데이터가 상기 데이터 저장소에 업로드 되는 것을 감시하여 업로드가 완료되면, 인공지능 모델(AI model)에 상기 학습 데이터를 자동으로 할당하여 상기 인공지능 모델이 학습하도록 할 수 있다.

본 발명의 다른 일실시예에 따르면, 상기 학습 데이터 생성부는 상기 프리어노테이션 모델에 상기 모델 검증부에서 성능이 검증된 인공지능 모델이 적용될 수 있다.

종래 기술에 따른 인공지능 학습 데이터 자동 생성을 위한 프리 어노테이션(pre-annotation)은 피드백 과정을 통한 성능 고도화의 측면에서 고려되지 않았다. 또한 기존에는 학습 데이터 생성 단계와 모델 생성 단계, 검증 단계가 별개로 분리되어 있어 인공지능 모델 학습 및 생성에 많은 시간과 비용이 소요되었다.

본 발명에 따르면 인공지능 학습을 위한 데이터 수집, 가공 및 인공지능 모델 생성과 더불어 자동화된 인공지능 모델의 성능 고도화를 제공하는 자동화된 통합적 방법을 제공하며, 학습 데이터 생성, 인공지능 모델 학습, 인공지능 모델 성능 고도화를 포함하는 전체 프로세스를 적은 시간과 비용으로도 수행 가능하다. 이를 통해 고정된 모델만을 사용하여 수행하는 프리 어노테이션(pre-annotation)을 성능 고도화가 자동으로 수행되는 모델로 교체함으로써 데이터가 누적될수록 고도화의 정도가 향상되는 것을 기대할 수 있다.

도 1은 본 발명의 일실시예에 따른 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 장치를 설명하기 위한 도면이다.

도 2는 본 발명의 일실시예에 따른 학습 데이터 생성부를 설명하기 위한 도면이다.

도 3은 본 발명의 일실시예에 따른 데이터 저장소를 설명하기 위한 도면이다.

도 4는 본 발명의 일실시예에 따른 업로드 완료 감시부를 설명하기 위한 도면이다.

도 5는 본 발명의 일실시예에 따른 모델 검증부를 도시한 도면이다.

도 6은 본 발명의 일실시예에 따른 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 방법을 설명하기 위한 흐름도이다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

다만, 실시형태를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다. 또한, 도면에서의 각 구성요소들의 크기는 설명을 위하여 과장될 수 있으며, 실제로 적용되는 크기를 의미하는 것은 아니다.

또한, 명세서 전체에서, 일 구성요소가 다른 구성요소와 "연결된다" 거나 "접속된다" 등으로 언급된 때에는, 상기 일 구성요소가 상기 다른 구성요소와 직접 연결되거나 또는 직접 접속될 수도 있지만, 특별히 반대되는 기재가 존재하지 않는 이상, 중간에 또 다른 구성요소를 매개하여 연결되거나 또는 접속될 수도 있다고 이해되어야 할 것이다. 또한, 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

본 발명은 클라우드 환경, 로컬 환경 등 다양한 환경 하에서 인공지능 학습을 위한 데이터 수집, 가공 및 인공지능 모델 생성과 더불어 자동화된 인공지능 모델의 성능 고도화를 제공하는 통합적 수단을 제공할 수 있다.

보다 구체적으로 본 발명은 수집한 데이터에 프리 어노테이션(pre-annotation)을 적용하여 인공지능 모델 학습을 위한 데이터를 자동으로 생성하고, 검증을 거친 프리 어노테이션(pre-annotation) 데이터를 이용하여 인공지능 모델의 추론 성능을 자동으로 개선할 수 있다.

또한, 도 2는 본 발명의 일실시예에 따른 학습 데이터 생성부(110)를 설명하기 위한 도면이고, 도 3은 본 발명의 일실시예에 따른 데이터 저장소(120)를 설명하기 위한 도면이고, 도 4는 본 발명의 일실시예에 따른 업로드 완료 감시부(130)를 설명하기 위한 도면이고, 도 5는 본 발명의 일실시예에 따른 모델 검증부(140)를 도시한 도면이다.

본 발명의 일실시예에 따른 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 장치 또는 모듈(부)은 컴퓨터 단말, 서버, 클라우드 서버 또는 네트워크 장치로 구성될 수 있다. 또한, 각 기능을 제공하는 모듈(부)은 하드웨어 또는 소프트웨어로 구성될 수 있다.

도 1을 참조하면, 본 발명의 일실시예에 따른 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 장치는 학습 데이터 생성부(110), 데이터 저장소(120), 업로드 완료 감시부(130) 및 모델 검증부(140)를 포함하여 구성된다.

도 2를 참조하면, 상기 학습 데이터 생성부(110)는 수집된 원시 데이터에 프리 어노테이션 모델(Pre-annotation model)을 적용하여 인공지능 모델 학습을 위한 학습 데이터를 생성한다.

보다 구체적으로, 상기 학습 데이터 생성부(110)는 수집한 원시 데이터에 프리 어노테이션 모델(Pre-annotation model)을 적용하여 인공지능 모델 학습을 위한 학습 데이터를 자동으로 생성하고, 상기 생성된 학습 데이터에 대해 검수를 진행하여 최종적으로 검수가 완료된 인공지능 모델 학습용 데이터를 취득할 수 있다.

도 3을 참조하면, 상기 데이터 저장소(120)는 검수된 상기 데이터를 해당 분류에 따라 각각 격리된 저장 공간에 할당하여 저장한다.

이때, 상기 데이터 저장소(120)는 검수된 상기 데이터를 사용자 또는 프로젝트 등의 다양한 기준으로 분류한 데이터를 각각 분류에 따라 격리된 별도의 저장 공간에 할당하여 저장할 수 있다.

또한, 도 4를 참조하면, 상기 업로드 완료 감시부(130)가 상기 학습 데이터가 상기 데이터 저장소에 업로드 되면, 인공지능 모델(AI model)에 상기 학습 데이터를 할당하여 상기 인공지능 모델이 학습하도록 한다.

보다 상세하게 설명하면, 상기 업로드 완료 감시부(130)는 상기 학습 데이터가 상기 데이터 저장소(120)에 업로드 되는 것을 감시하여 업로드가 완료되면, 인공지능 모델(AI model)에 상기 학습 데이터를 자동으로 할당하여 상기 인공지능 모델이 학습하여 새로운 인공지능 모델을 생성하는 프로세스를 수행하도록 할 수 있다. 이때, 상기 업로드 완료 감시부(130)는 'watcher'라 불리울 수 있으며, 상기 학습 데이터가 상기 데이터 저장소(120)에 업로드 되는 것을 감시할 수 있다.

도 5를 참조하면, 상기 모델 검증부(140)가 학습된 상기 인공지능 모델의 성능을 검증한다. 따라서, 상기 학습 데이터 생성부(110)에는 상기 프리어노테이션 모델에 상기 모델 검증부에서 성능이 검증된 인공지능 모델이 적용될 수 있다.

즉, 본 발명의 일실시예에 따르면, 성능이 최신이 아닌 가중치로 인공지능 모델이 갱신되지 않도록 다양한 검증 방법을 적용하여 검증을 통과한 모델만 갱신에 이용되도록 하고, 검증을 통과한 모델은 프리 어노테이션 모델(Pre-annotation model)에 적용될 수 있다.

따라서, 본 발명에 따르면 인공지능 학습을 위한 데이터 수집, 가공 및 인공지능 모델 생성과 더불어 자동화된 인공지능 모델의 성능 고도화를 제공하는 자동화된 통합적 방법을 제공하며, 학습 데이터 생성, 인공지능 모델 학습, 인공지능 모델 성능 고도화를 포함하는 전체 프로세스를 적은 시간과 비용으로도 수행 가능하다. 이를 통해 고정된 모델만을 사용하여 수행하는 프리 어노테이션(pre-annotation)을 성능 고도화가 자동으로 수행되는 모델로 교체함으로써 데이터가 누적될수록 고도화의 정도가 향상되는 것을 기대할 수 있다.

이후부터는 도 6을 참조하여 본 발명의 일실시예에 따른 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 방법을 설명하기로 한다.

도 6을 참조하면, 먼저 학습 데이터 생성부가 수집한 원시 데이터에 프리 어노테이션 모델(Pre-annotation model)을 적용하여 인공지능 모델 학습을 위한 학습 데이터를 생성한다(S210).

이때, 상기 학습 데이터 생성부가 수집한 원시 데이터에 프리 어노테이션 모델(Pre-annotation model)을 적용하여 인공지능 모델 학습을 위한 학습 데이터를 생성하고, 상기 생성된 학습 데이터를 검수할 수 있다.

이후, 데이터 저장소가 검수된 상기 데이터를 해당 분류에 따라 각각 격리된 저장 공간에 할당하여 저장한다(S220).

이때, 상기 데이터 저장소가 검수된 상기 데이터를 사용자 또는 프로젝트를 기준으로 분류한 데이터를 각각 격리된 저장 공간에 할당하여 저장할 수 있다.

이후에는 업로드 완료 감시부가 상기 학습 데이터가 상기 데이터 저장소에 업로드 되면(S230), 인공지능 모델(AI model)에 상기 학습 데이터를 할당하여 상기 인공지능 모델이 학습하도록 한다(S240).

보다 구체적으로, 상기 업로드 완료 감시부가 상기 학습 데이터가 상기 데이터 저장소에 업로드 되는 것을 감시하여 업로드가 완료되면, 인공지능 모델(AI model)에 상기 학습 데이터를 자동으로 할당하여 상기 인공지능 모델이 학습하도록 할 수 있다.

이후, 모델 검증부가 학습된 상기 인공지능 모델의 성능을 검증한다(S250). 따라서, 상기 모델 검증부에서 성능이 검증된 인공지능 모델이, 상기 학습 데이터 생성부에서 사용되는 상기 프리어노테이션 모델에 적용될 수 있다.

전술한 바와 같은 본 발명의 상세한 설명에서는 구체적인 실시예에 관해 설명하였다. 그러나 본 발명의 범주에서 벗어나지 않는 한도 내에서는 여러 가지 변형이 가능하다. 본 발명의 기술적 사상은 본 발명의 전술한 실시예에 국한되어 정해져서는 안 되며, 청구범위뿐만 아니라 이 청구범위와 균등한 것들에 의해 정해져야 한다.

Claims

학습 데이터 생성부가 수집한 원시 데이터에 프리 어노테이션 모델(Pre-annotation model)을 적용하여 인공지능 모델 학습을 위한 학습 데이터를 생성하는 제1 단계;

데이터 저장소가 검수된 상기 데이터를 해당 분류에 따라 각각 격리된 저장 공간에 할당하여 저장하는 제2 단계;

업로드 완료 감시부가 상기 학습 데이터가 상기 데이터 저장소에 업로드 되면, 인공지능 모델(AI model)에 상기 학습 데이터를 할당하여 상기 인공지능 모델이 학습하도록 하는 제3 단계; 및

모델 검증부가 학습된 상기 인공지능 모델의 성능을 검증하는 제4 단계;

를 포함하는 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 방법.
청구항 1에 있어서,

상기 제1 단계는,

상기 학습 데이터 생성부가 수집한 원시 데이터에 프리 어노테이션 모델(Pre-annotation model)을 적용하여 인공지능 모델 학습을 위한 학습 데이터를 생성하고, 상기 생성된 학습 데이터를 검수하는, 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 방법.
청구항 1에 있어서,

상기 제2 단계는,

상기 데이터 저장소가 검수된 상기 데이터를 사용자 또는 프로젝트를 기준으로 분류한 데이터를 각각 격리된 저장 공간에 할당하여 저장하는, 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 방법.
청구항 1에 있어서,

상기 제3 단계는,

상기 업로드 완료 감시부가 상기 학습 데이터가 상기 데이터 저장소에 업로드 되는 것을 감시하여 업로드가 완료되면, 인공지능 모델(AI model)에 상기 학습 데이터를 자동으로 할당하여 상기 인공지능 모델이 학습하도록 하는, 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 방법.
청구항 1에 있어서,

상기 제4 단계의 이후에,

상기 모델 검증부에서 성능이 검증된 인공지능 모델이, 상기 학습 데이터 생성부에서 사용되는 상기 프리어노테이션 모델에 적용되는 단계;

를 더 포함하는 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 방법.
수집된 원시 데이터에 프리 어노테이션 모델(Pre-annotation model)을 적용하여 인공지능 모델 학습을 위한 학습 데이터를 생성하는 학습 데이터 생성부;

검수된 상기 데이터를 해당 분류에 따라 각각 격리된 저장 공간에 할당하여 저장하는 데이터 저장소;

상기 학습 데이터가 상기 데이터 저장소에 업로드 되면, 인공지능 모델(AI model)에 상기 학습 데이터를 할당하여 상기 인공지능 모델이 학습하도록 하는 업로드 완료 감시부; 및

학습된 상기 인공지능 모델의 성능을 검증하는 모델 검증부;

를 포함하는 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 장치.
청구항 6에 있어서,

상기 학습 데이터 생성부는,

수집한 원시 데이터에 프리 어노테이션 모델(Pre-annotation model)을 적용하여 인공지능 모델 학습을 위한 학습 데이터를 생성하고, 상기 생성된 학습 데이터를 검수하는, 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 장치.
청구항 6에 있어서,

상기 데이터 저장소는,

검수된 상기 데이터를 사용자 또는 프로젝트를 기준으로 분류한 데이터를 각각 격리된 저장 공간에 할당하여 저장하는, 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 장치.
청구항 6에 있어서,

상기 업로드 완료 감시부는,

상기 학습 데이터가 상기 데이터 저장소에 업로드 되는 것을 감시하여 업로드가 완료되면, 인공지능 모델(AI model)에 상기 학습 데이터를 자동으로 할당하여 상기 인공지능 모델이 학습하도록 하는, 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 장치.
청구항 6에 있어서,

상기 학습 데이터 생성부는,

상기 프리어노테이션 모델에 상기 모델 검증부에서 성능이 검증된 인공지능 모델이 적용되는, 데이터 가공 및 인공지능 모델 생성과 성능 고도화 자동 제공 장치.