이버드특허법인

이버드특허법인

사업화 유망기술

저희 이버드 특허법인은 "Early bird catches the worm"의 마음으로
남들보다 한 걸음 더 빨리, 더 가까이 고객 여러분께 다가가겠습니다.

사업화 유망기술

HOME > 사업화 유망기술
가상데이터 기반 머신러닝 모델 학습 기술
분야
전자/전기
  • URL 복사

가상데이터 기반 머신러닝 모델 학습 기술

보유기관 및 연구자 : 국방과학연구소 양훈민 연구원

개발상태
6/9

기술완성도

TRL09

사업화

  • 본격적인 양산 및 사업화 단계
TRL08

시작품 인증/
표준화

  • 일부 시제품의 인증 및 인허가 취득 단계
    - 조선 기자재의 경우 선급기관 인증, 의약품의 경우 식약청의 품목 허가 등
TRL07

Pilot 단계 시작품
신뢰성 평가

  • 시작품의 신뢰성 평가
  • 실제 환경(수요기업)에서 성능 검증이 이루어지는 단계
TRL06

Pilot 단계 시작품
성능 평가

  • 경제성(생산성)을 고려한, 파일로트 규모의 시작품 제작 및 평가
  • 시작품 성능평가
TRL05

시제품 제작/
성능평가

  • 개발한 부품/시스템의 시작품(Prototype) 제작 및 성능 평가
  • 경제성(생산성)을 고려하지 않고, 우수한 시작품을 1개~수개 미만으로 개발
TRL04

연구실 규모의
부품/시스템 성능평가

  • 연구실 규모의 부품/시스템 성능 평가가 완료된 단계
  • 실용화를 위한 핵심요소기술 확보
TRL03

연구실 규모의
성능 검증

  • 연구실/실험실 규모의 환경에서 기본 성능이 검증될 수 있는 단계
  • 개발하려는 시스템/부품의 기본 설계도면을 확보하는 단계
  • 모델링/설계기술 확보
TRL02

실용 목적의 아이디어/
특허 등 개념 정립

  • 실용 목적의 아이디어, 특허 등 개념 정립
TRL01

기초 이론/
실험

  • 연구과제 탐색 및 기회 발굴 단계
특허정보

기술개요

• 본 특허는 머신러닝 및 딥러닝에 대한 것으로, 실제 검증데이터를 활용하여 학습데이터 조건을 만족하는 가상데이터를 학습하는 장치 및 방법에 대한 기술임

적용분야

• 본 특허는 가상 데이터를 이용하여 딥 러닝 모델을 학습하는 장치로 이미지 기반의 러닝 학습 분야에 적용 가능함

∨외관 품질 검사 자동화 시스템         ∨병증 발병 위험 및 치료 예후 예측 시스템

∨도면 정보 자동탐지 시스템             ∨개인별 상품, 교육, 문화 콘텐츠 추천 시스템

1.JPG

기술 차별성

• 딥 러닝 모델 학습에 소요되는 시간을 단축하기 위해 대용량 학습 데이터의 검증 시간을 단축할 수 있는 기술의 개발이 필요함
• 검증 데이터셋의 이미지 특징에 따라 유효한 학습 데이터인지 여부를 판단하고, 유효한 학습 데이터만을 딥러닝의 학습에 이용되도록 함으로써, 불필요한 학습 데이터에 따른 딥러닝 학습에 소요되는 시간 낭비를 줄일 수 있다는 효과가 있음

2.JPG

구현방법

• 본 특허에 따른 머신러닝 모델 학습 장치는 아래 그림과 같이 제어부, 입력부, 가상 데이터 생성부, 비교부, 학습부, 메모리로 구성되어 있음
• 입력부는 머신러닝 모델 학습 장치로 입력되는 다양한 알고리즘 모델 학습 데이터를 머신러닝 모델 학습 장치에 입력함
• 이후 가상 데이터 생성부는 입력부에서 입력된 기초 데이터에 근거하여 가상 데이터를 생성하며, 동일한 가상 데이터에 의한 불필요한 학습 중복을 방지하기 위해 하나의 기초 데이터에 근거하여 서로 다른 복수의 가상 데이터를 생성할 수 있음
• 비교부는 가상 데이터 생성부에서 생성된 가상 데이터가 기 설정된 학습 데이터의 조건을 만족하는지 여부를 입력부를 통해 입력된 실제 이미지일 수 있는 검증데이터를 통해 판단함
• 최종적으로 제어부는 비교부의 판단 결과, 현재 생성된 가상 데이터가 학습 데이터로서의 조건을 만족하는 경우 현재 생성된 가상 데이터에 따른 학습이 이루어지도록 학습부를 제어함으로써 머신러닝 모델이 학습됨

3.JPG

기술동향

• 머신러닝 기술은 빅데이터를 분석하고 가공해서 새로운 정보를 얻어내거나 미래를 예측하는 기술로, 투자예측, 질병진단, 전염병 예측, 네트워크 보안, 재고관리, 고객분석, 마케팅, 고객 세분화 등 컴퓨터 과학을 포함한 대부분의 모든 분야에서 활용되고 있음
• 아마존은 쇼핑상품 추천부터, 배송 물류, 예측 등 전 과정에 딥러닝을 입히기 위한 노력을 지속하고 있으며, 구글은 스타디아를 2019년 11월부터 미국을 포함한 글로벌 14개국에 정식 출시하며, 이용자의 조작 신호를 서버에서 처리하고 게임 화면을 다시 이용자에게 실시간으로 전송하는 형태의 서비스로 차별화된 서비스를 제공하고 있음
• 2019년도 클라우드 & AI 비즈니스그룹을 신설한 화웨이의 클라우드 기반인 인텔리전트 트윈의 코어는 딥러닝을 입힌 AI를 공개하여 관련 소프트웨어와 서비스 산업의 기술을 개발하였음
• 국내에서는 스마트팩토리 분야에서 포스코ICT, 삼성SDS, LG CNS 등이 기술개발에 참여하고 있고, 전자상거래 분야에서는 쿠팡과 이마트 등이 발빠르게 대응하고 있음

시장동향

4.JPG

• 머신러닝 세계 시장 규모는 2017년 14.1억 달러에서 매년 44.1%씩 성장하여 2022년에는 88.1억 달러의 시장을 형성할 전망이며, 이중 국내 비중은 3%를 차지하며 2015년 약 230억 원에서 연평균 성장률 44.1%로 성장해 2022년 2,910억 원으로 예상됨

• 전 세계적으로 컴퓨터가 대규모의 데이터를 바탕으로 하여 스스로 데이터를 처리하는 머신러닝에 대한 관심이 높아지면서, 국내에서도 머신러닝과 관련된 움직임이 활발해지고 있음
• 머신러닝이 연평균 성장률 44.1%로 급격한 상승을 하고 있는 이유는 여러 기업들이 머신러닝을 이용하여 결과물을 손쉽게 찾기 위한 기술개발을 하고 있기 때문임
• 본 가상 데이터에 기반한 머신러닝 모델 학습기술을 적용하게 되면, 스마트 팩토리의 이미지 품질검사와 도면 자동탐지 시스템의 효율을 높이거나, 환자의 HER, MRI 이미지를 분석하여 발병 위험 및 치료 예후를 예측하는 의료 분야에 활용될 수 있음
• COVID-19로 인한 언택트 문화가 확산되면서 인공지능 기술 중 딥 러닝 분야의 시장이 빠르게 성장할 것으로 전망되고 있으며, 세계 인공지능 시장에서는 구글 딥마인드(영국), 페이스북(미국), IBM(미국), 아마존(미국) 등 다수 업체가 경쟁하고 있음