数据识别模型构建设备及其构建数据识别模型的方法，以及数据识别设备及其识别数据的方法技术

公开了一种数据识别模型构建设备。所述数据识别模型构建设备包括：视频输入器，被配置为接收视频；图像合成单元，被配置为基于形成所述视频的至少一部分的多个图像中的每个图像中包括的公共区域，通过将所述多个图像的至少一部分重叠来产生合成图像；学习数据输入器，被配置为接收产生的合成图像；模型学习单元，被配置为使用产生的合成图像使数据识别模型进行学习；以及模型存储器，被配置为存储学习后的数据识别模型。

Data Recognition Model Building Equipment and Method of Building Data Recognition Model, and Data Recognition Equipment and Method of Recognizing Data

A data recognition model construction device is disclosed. The data recognition model construction device includes: a video input configured to receive video; an image synthesis unit configured to generate a composite image by overlapping at least a portion of the plurality of images based on the common area included in each of the images forming at least a portion of the video; and a learning data input configured to receive and generate a composite image. A composite image; a model learning unit configured to use the generated composite image to make the data recognition model learn; and a model memory configured to store the learned data recognition model.

【技术实现步骤摘要】
【国外来华专利技术】数据识别模型构建设备及其构建数据识别模型的方法，以及数据识别设备及其识别数据的方法
与示例性实施例一致的设备和方法涉及显示设备及其图像合成方法，更具体地，涉及使用学习数据来构建数据识别模型的设备及其方法。此外，本公开涉及使用构建的数据识别模型来识别数据的设备及其方法。本公开涉及利用诸如深度学习的机器学习算法来模拟诸如人脑等的识别和确定的功能的人工智能(AI)系统及其应用。
技术介绍
随着诸如计算机和智能电话的信息装置的发展，已经开发了数字计算机应用和数字信号处理技术。特别地，已经开发了诸如人工智能图像识别(视频/运动识别)、深度学习(深度学习)和机器学习的最新技术，并且自动识别数据(诸如，语音、图像、视频或文本)并提供与数据有关的信息或提供与数据有关的服务的智能服务被用于各种领域。人工智能系统是实现人类级别智能的计算机系统，并且与现有的基于规则的智能系统不同，机器进行学习、判断并且变得智能。人工智能系统被使用越多，系统的识别能力被进一步提高并且用户偏好被更准确地确定，因此现有的基于规则的智能系统正逐渐被基于深度学习的人工智能系统取代。人工智能技术由机器学习(例如，深度学习)和利用机器学习的元素技术组成。机器学习是一种通过它本身对输入数据的特征进行分类/学习的算法技术。元素技术是使用诸如深度学习的机器学习算法来模拟诸如人脑的识别和判断的功能的技术。元素技术包括语言理解、视觉理解、推理/预测、知识表示和运动控制。应用人工智能技术的各种领域如下。语言理解是用于识别、应用和处理人类语言/文字的技术，包括自然语言处理、机器翻译、对话系统、问答、语音识别/合成等。视觉理解是一种如人类视觉那样识别和处理对象的技术，包括对象识别、对象跟踪、图像搜索、人类识别、场景理解、空间理解和图像增强。推理和预测是用于判断信息以及逻辑推断并预测信息的技术，包括基于知识/概率的推理、优化预测、基于偏好的计划和推荐。知识表示是一种将人类经历信息自动转化为知识数据的技术，包括知识构建(数据产生/分类)和知识管理(数据利用)。运动控制是用于控制车辆的自动行驶和机器人的运动的技术，并且包括运动控制(导航、碰撞、行驶)、操作控制(行为控制)。
技术实现思路
技术问题示例性实施例可克服上述缺点和以上未描述的其他缺点。然而，应理解，示例性实施例不需要克服上述缺点，并且可能不克服上述任何问题。为了构建用于识别数据的数据识别模型，需要学习数据。特别地，当使用视频对数据识别模型进行学习时，形成视频的帧中的每个帧可被用作学习数据。在这种情况下，当针对形成视频的全部帧学习对数据识别模型进行学习时，可能需要大量的信息处理，并且可能需要将在其中存储帧的大容量存储空间。此外，帧中的每个帧被用作学习数据，可对数据识别模型进行学习，同时省略帧之间的相关信息。因此，本公开用于缩短学习所需的时间，减少存储学习数据的存储空间，并且提供考虑帧之间的相关性的学习的设备及其方法。此外，本公开要解决的技术问题不限于上述技术问题，并且本领域中的技术人员将从下面的描述中理解未提及的其他技术对象。技术方案根据示例性实施例的一方面，一种数据识别模型构建设备可包括：视频输入器，被配置为接收视频；图像合成单元，被配置为基于包括在形成所述视频的至少一部分的多个图像中的每个图像中的公共区域，通过将所述多个图像的至少一部分重叠来产生合成图像；学习数据输入器，被配置为接收产生的合成图像；模型学习单元，被配置为使用产生的合成图像进行数据识别模型学习；以及模型存储器，被配置为存储学习后的数据识别模型。根据示例性实施例的一方面，一种数据识别设备可包括：视频输入器，被配置为接收视频；图像合成单元，被配置为基于包括在形成所述视频的至少一部分的多个图像中的每个图像中的公共区域，通过将所述多个图像的至少一部分重叠来产生合成图像；识别数据输入器，被配置为接收产生的合成图像；以及识别结果提供器，被配置为将产生的合成图像应用于数据识别模型并且提供所述视频的识别结果。根据示例性实施例的一方面，一种电子设备可包括：视频输入器，被配置为接收视频；图像合成单元，被配置为基于包括在形成所述视频的至少一部分的多个图像中的每个图像中的公共区域，通过将所述多个图像的至少一部分重叠来产生合成图像；识别数据输入器，被配置为接收产生的合成图像；识别结果提供器，被配置为将产生的合成图像应用于数据识别模型并且提供所述视频的识别结果；以及服务提供器，配置为基于所述视频的识别结果提供服务。根据示例性实施例的一方面，一种由数据识别模型构建设备构建数据识别模型的方法可包括：接收视频；基于包括在多个图像中的每个图像中的公共区域，通过将所述多个图像的至少一部分重叠来产生合成图像；使用产生的合成图像对数据识别模型进行学习；并且存储学习后的数据识别模型。根据示例性实施例的一方面，一种由数据识别设备识别数据的方法可包括：接收视频；基于包括在形成所述视频的至少一部分的多个图像中的每个图像中的公共区域，通过将所述多个图像的至少一部分重叠来产生合成图像；并且将产生的合成图像应用于数据识别模型并提供所述视频的识别结果。根据示例性实施例的一方面，一种根据示例性实施例的计算机可读非暂时性记录介质可存储使电子设备能够执行以下操作的程序：接收视频；基于包括在多个图像中的每个图像中的公共区域，通过将所述多个图像的至少一部分重叠来产生合成图像；使用产生的合成图像对数据识别模型进行学习；并且存储学习后的数据识别模型。根据示例性实施例的一方面，一种根据示例性实施例的计算机可读非暂时性记录介质可存储使电子设备能够执行以下操作的程序：接收视频；基于包括在形成所述视频的至少一部分的多个图像中的每个图像中的公共区域，通过将所述多个图像的至少一部分重叠来产生合成图像；并且将产生的合成图像应用于数据识别模型并提供所述视频的识别结果。有益效果根据本公开，通过使用合成图像作为学习数据，可构建考虑形成视频的帧之间的相关信息的数据识别模型。此外，不是形成视频的全部帧，而是包括多个帧的合成图像被用作学习数据，可缩短学习所需的时间，并且可节省用于存储学习数据的存储空间。此外，可在本公开中获得的效果不限于提及的效果，并且对本公开所属领域中的技术人员来说，从下面的描述中，未提及的其他效果是显而易见的。附图说明通过参照附图详细地描述示例性实施例，以上和/或其他方面将更明显，其中：图1A和图1B是用于描述根据示例性实施例的数据识别模型构建设备的框图。图2A和图2B是根据示例性实施例的数据识别设备的框图。图3是示出根据示例性实施例的基于视频的识别结果提供服务的处理的示图。图4至图6是示出根据示例性实施例的图像合成单元的处理的示图。图7是示出根据示例性实施例的电子设备的构造的框图。图8A是表示根据示例性实施例的通过数据识别模型构建设备构建数据识别模型的方法的流程图。图8B是示出根据示例性实施例的通过包括电子设备和服务器的系统构建数据识别模型的方法的序列图。图9A是指示根据示例性实施例的通过数据识别设备识别数据的方法的流程图。图9B是示出根据示例性实施例的通过包括电子设备和服务器的系统识别数据的方法的序列图。图10A是示出根据示例性实施例的通过电子设备提供服务的方法的流程图。图10B和图10C是示出根据示例性实施本文档来自技高网...

【技术保护点】
1.一种数据识别模型构建设备，包括：视频输入器，被配置为接收视频；图像合成单元，被配置为基于包括在形成所述视频的至少一部分的多个图像中的每个图像中的公共区域，通过将所述多个图像的至少一部分重叠来产生合成图像；学习数据输入器，被配置为接收产生的合成图像；模型学习单元，被配置为使用产生的合成图像使数据识别模型进行学习；以及模型存储器，被配置为存储学习后的数据识别模型。

【技术特征摘要】
【国外来华专利技术】2016.11.03 KR 10-2016-0145748;2017.08.17 KR 10-2011.一种数据识别模型构建设备，包括：视频输入器，被配置为接收视频；图像合成单元，被配置为基于包括在形成所述视频的至少一部分的多个图像中的每个图像中的公共区域，通过将所述多个图像的至少一部分重叠来产生合成图像；学习数据输入器，被配置为接收产生的合成图像；模型学习单元，被配置为使用产生的合成图像使数据识别模型进行学习；以及模型存储器，被配置为存储学习后的数据识别模型。2.如权利要求1所述的设备，其中，图像合成单元被配置为从所述多个图像中的每个图像提取公共区域，并且通过将提取的多个公共区域重叠来产生合成图像。3.如权利要求1所述的设备，其中，公共区域被配置为包括来自所述多个图像中的每个图像的相同或相似的公共对象。4.如权利要求1所述的设备，其中，数据识别模型构建设备还包括：模型评估单元，被配置为使用视频或合成图像来评估学习后的数据识别模型。5.如权利要求1所述的设备，其中，数据识别模型是基于多个网络节点之间的连接关系和所述多个网络节点中的每个网络节点的加权值来执行计算的神经网络模型或深度学习模型。6.一种数据识别设备，包括：视频输入器，被配置为接收视频；图像合成单元，被配置为基于包括在形成所述视频的至少一部分的多个图像中的每个图像中的公共区域，通过将所述多个图像的至少一部分重叠来产生合成图像；以及识别结果提供器，被配置为通过将产生的合成图...

【专利技术属性】
技术研发人员：金地万，朴灿钟，梁道俊，李贤优，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：韩国,KR