电子装置、控制电子装置的方法和用于控制服务器的方法制造方法及图纸

本公开涉及使用机器学习算法的人工智能(AI)系统及其应用。根据本公开的用于控制电子装置的方法包括：从外部服务器接收图像数据和与滤波器组相关联的信息，滤波器组被应用于用于将图像数据上缩放的人工智能模型；对图像数据进行解码；使用基于与滤波器组相关联的信息而获得的第一人工智能模型来将解码的图像数据上缩放；以及提供上缩放图像数据用于输出。

Electronic device, method of controlling electronic device and method for controlling server

【技术实现步骤摘要】
电子装置、控制电子装置的方法和用于控制服务器的方法相关申请的交叉引用本申请基于并要求于2018年8月10日在韩国知识产权局递交的韩国专利申请No.10-2018-0093511的优先权，其全部公开内容通过引用并入本文。
本公开涉及电子装置、控制方法和服务器的控制方法，更具体地，涉及用于通过发送和接收高清图像来提高图像流传输环境的电子装置、控制方法和服务器的控制方法。
技术介绍
人二E智能(AI)系统是一种训练自身并实现人类智能的系统。AI系统的识别率随着AI系统使用的增加而增加。AI技术包括机器学习(例如，深度学习)技术，使用利用输入数据的特征进行自我分类和自我训练的算法，以及通过使用机器学习算法仿真人类大脑的识别、确定等功能的元素技术。元素技术可以包括以下中的至少一种：例如用于识别人类语言/字符的语言理解、用于识别对象(就好像它们被人类感知)的视觉理解、用于确定信息以及逻辑推理和预测信息的推理/预测、用于处理作为知识数据的人类的经验信息的知识表示、用于控制车辆的自主驾驶以及机器人的运动等的运动控制。特别地，网络状态是用于通过自适应地压缩和恢复图像来执行流传输的流传输系统的图像质量的关键因素。但是，网络资源是有限的。因此，除非有大量资源可用，否则用户难以使用高清内容。此外，随着图像质量的提高，视频容量不断增加，但网络带宽跟不上这种增长。因此，通过图像压缩和恢复过程确保图像质量的编解码器性能的重要性正在增加。
技术实现思路
提供了一种电子装置其控制方法以及服务器的控制方法，更具体地，提供了一种用于通过在多个滤波器组中选择提高的滤波器组来将下缩放图像上缩放的电子装置其控制方法和服务器的控制方法。根据实施例，提供了一种用于控制电子装置的方法，该方法包括：从外部服务器接收图像数据和与滤波器组相关联的信息，所述滤波器组被应用于用于将所述图像数据上缩放的人工智能模型；基于接收到图像数据，对图像数据进行解码，使用基于与滤波器组相关联的信息获得的第一人工智能模型将解码的图像数据上缩放；以及提供上缩放图像数据用于输出。与滤波器组相关联的信息包括滤波器组的索引信息，并且上缩放包括基于索引信息获得第一人工智能模型，所述第一扔个智能模型被应用了电子装置中存储的多个经训练的滤器组中的一个滤器组，以及通过将解码的图像数据输入到获得的第一人工智能模型中来将解码的图像数据上缩放。所述图像数据是通过对下缩放图像数据进行编码获得的，该下缩放图像是通过将与图像数据相对应的原始图像数据输入到用于将原始图像数据下缩放的第二人工智能模型中获取的。第一人工智能模型的滤波器的数量可以小于第二人工智能模型的滤波器的数量。与滤波器组相关联的信息是通过外部服务器获得的信息，，并且标识使通过第一人工智能模型获取的上缩放图像数据与原始图像数据之间的差异最小化的滤波器组。第一人工智能模型可以是卷积神经网络(CNN)。提供可以包括显示上缩放图像数据。根据实施例，提供了一种方法，包括：通过将原始图像数据输入到用于将图像数据下缩放的人工智能下缩放模型中来获得下缩放图像数据；通过分别将下缩放图像数据输入到多个人工智能上缩放模型中来获得多个上缩放图像数据，所述多个人工智能上缩放模型被应用了被训练为用于将下缩放图像数据上缩放的多个滤波器组中的相应滤波器组；通过添加与人工智能上缩放模型的滤波器组相关联的信息来对下缩放图像数据进行编码，该人工智能上缩放模型输出多个上缩放图像数据中与原始图像数据具有最小差异的数据的上缩放图像数据；以及将编码图像数据发送给外部电子装置。该方法还可以包括训练多个滤波器组的参数以减小多个上缩放图像数据与原始图像数据之间的差异。人工智能上缩放模型的滤波器的数量可以小于人工智能下缩放模型的滤波器的数量。根据实施例，提供了一种电子装置，包括：通信接口，包括通信电路；以及处理器，被配置为：经由通信接口从外部服务器接收图像数据和与滤波器组相关联的信息，所述滤波器组被应用于用于将所述图像数据上缩放的人工智能模型，对所接收的图像数据进行解码，使用基于与滤波器组相关联的信息获得的第一人工智能模型将解码的图像数据上缩放，以及提供上缩放图像数据用于输出。电子装置还可以包括存储器。与滤波器组相关联的信息包括滤波器组的索引信息，并且处理器还被配置为：基于索引信息获得被应用了存储器中存储的多个经训练的滤器组中的一个滤器组的第一人工智能模型，以及通过将解码的图像数据输入到获得的第一人工智能模型中来将解码的图像数据上缩放。所述图像数据是可以通过对下缩放图像数据进行编码获得的，该下缩放图像是通过将与图像数据相对应的原始图像数据输入到用于将原始图像数据下缩放的第二人工智能模型中获取的。第一人工智能模型的滤波器的数量可以小于第二人工智能模型的滤波器的数量。与滤波器组有关的信息可以是通过外部服务器获得的信息，以减小通过第一人工智能模型获得的上缩放图像数据与原始图像数据之间的差异。第一人工智能模型可以是卷积神经网络(CNN)。电子装置还可以包括显示器，并且处理器被配置为通过控制显示器显示上缩放图像数据来提供上缩放图像数据用于输出。附图说明根据结合附图的以下描述，本公开的特定实施例的上述和其他方面、特征以及优点将更清楚，在附图中：图1和图2是根据实施例的图像流传输系统的图；图3是根据实施例的电子装置的框图；图4是根据实施例的电子装置的框图；图5是根据实施例的服务器的框图；图6是根据实施例的服务器的图像编码操作的流程图；图7是根据实施例的服务器的图像编码操作的流程图；图8是根据实施例的滤波器组的图；图9是根据实施例的用于训练和使用人工智能模型的电子装置的框图；图10是根据实施例的训练单元和获取单元的框图；图11是根据实施例的滤波器组的训练方法的图；图12是根据实施例的流传输数据的结构的图；图13是根据实施例的滤波器组的训练方法的图；图14是根据实施例的电子装置的图像解码操作的流程图；图15和16是根据实施例的电子装置的图像解码操作的图；以及图17是根据实施例的电子装置的图像上缩放操作的图。具体实施方式本公开的示例性实施例可以被不同地修改。因此，具体示例性实施例在附图中被示出并在具体实施方式中被详细描述。然而，应当理解的是，本公开不限于具体示例性实施例，而是在不脱离本公开的范围和精神的前提下包括所有修改、等同物和替代。此外，没有详细描述公知的功能或构造，因为它们会以不必要的细节模糊本公开。将简要描述该说明书中所使用的术语，并且将具体描述本公开。本说明书中使用的所有术语(包括技术或科学术语)具有与本领域技术人员通常所理解的术语相同的含义。然而，这些术语可以根据本领域技术人员的意图、法律或技术解释以及新技术的出现而变化。另外，一些术语是由申请人任意选择的。这些术语可本文档来自技高网...

【技术保护点】
1.一种用于控制电子装置的方法，所述方法包括：/n从外部服务器接收图像数据和与滤波器组相关联的信息，所述滤波器组被应用于用于将所述图像数据上缩放的人工智能模型；/n对所述图像数据进行解码；/n使用基于与所述滤波器组相关联的信息而获得的第一人工智能模型来将解码的图像数据上缩放；以及/n提供上缩放图像数据用于输出。/n

【技术特征摘要】
20180810 KR 10-2018-00935111.一种用于控制电子装置的方法，所述方法包括：
从外部服务器接收图像数据和与滤波器组相关联的信息，所述滤波器组被应用于用于将所述图像数据上缩放的人工智能模型；
对所述图像数据进行解码；
使用基于与所述滤波器组相关联的信息而获得的第一人工智能模型来将解码的图像数据上缩放；以及
提供上缩放图像数据用于输出。


2.根据权利要求1所述的方法，其中，与所述滤波器组相关联的信息包括所述滤波器组的索引信息，并且
其中，所述上缩放包括：
基于所述索引信息获得第一人工智能模型，所述第一人工智能模型被应用了电子装置中存储的多个经训练的滤波器组中的一个滤波器组；以及
通过将所述解码的图像数据输入到所获得的第一人工智能模型中来将所述解码的图像数据上缩放。


3.根据权利要求1所述的方法，其中，所述图像数据是通过对下缩放图像数据进行编码获得的，所述下缩放图像数据是通过将与所述图像数据相对应的原始图像数据输入到用于将所述原始图像数据下缩放的第二人工智能模型中来获取的。


4.根据权利要求3所述的方法，其中，所述第一人工智能模型的滤波器的数量小于所述第二人工智能模型的滤波器的数量。


5.根据权利要求3所述的方法，其中，与所述滤波器组相关联的信息是通过所述外部服务器获得的信息，与所述滤波器组相关联的信息标识使通过所述第一人工智能模型获取的上缩放图像数据与所述原始图像数据之间的差异最小化的滤波器组。


6.根据权利要求1所述的方法，其中，所述第一人工智能模型是卷积神经网络CNN。


7.根据权利要求1所述的方法，其中，所述提供包括显示所述上缩放图像数据。


8.一种用于控制服务器的方法，所述方法包括：
通过将原始图像数据输入到用于将图像数据下缩放的人工智能下缩放模型中来获得下缩放图像数据；
通过分别将所述下缩放图像数据输入到多个人工智能上缩放模型中来获得多个上缩放图像数据，所述多个人工智能上缩放模型被应用了多个滤波器组中的被训练为用于将所述下缩放图像数据上缩放的的相...

【专利技术属性】
技术研发人员：朴泰俊，李相祚，罗尚权，
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