회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2003년 설립 회사입니다. 포털 및 기타 인터넷 정보 매개 서비스업을 합니다. 2025년 그룹 연결 매출은 153억입니다. 자회사까지 합친 숫자이며 이 법인 하나의 매출이 아닙니다. 2026년 8월 기준 국민연금 가입자는 39명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다.
읽어오는 중입니다…
최근 출원 2025-03-26 · 최근 등록 2026-10-07 · 최신 출원순
본 발명은 사용 계약 기반 2차 창작 컨텐츠 운영 방법에 관한 것으로서, 본 발명에 따른 적어도 하나 이상의 컨텐츠에 대한 저작권을 보유하고 있는 컨텐츠 제공 서버와 연동하는 운영서버를 통해 실행되는 사용 계약 기반 2차 창작 컨텐츠 운영 방법은, 상기 컨텐츠 제공 서버로부터 사용 계약이 체결된 컨텐츠를 제공받아 상기 사용 계약이 체결된 컨텐츠를 지정된 창작자 단말로 제공하는 제1 단계와, 창작자 단말로부터 상기 컨텐츠를 이용하여 2차 창작된 2차 창작 컨텐츠를 등록받는 제2 단계와, 2차 창작 컨텐츠를 이용하도록 처리하는 제3 단계를 포함한다.
본 발명은 인공지능 기반 저작권 보호 방법에 관한 것으로서, 본 발명에 따른 기 존재하는 타저작물을 검색 또는 접근 가능한 운영서버를 통해 실행되는 인공지능 기반 저작권 보호 방법은, 사용자 단말을 통해 저작권 보호를 수행할 컨텐츠 데이터를 확인하는 제1 단계와, 상기 확인된 컨텐츠 데이터에 대응하는 원본 컨텐츠 데이터를 인공지능모듈에 대입하여 상기 원본 컨텐츠 데이터의 전체 컨텐츠 영역 중 상기 검색 또는 접근 가능한 타저작물의 컨텐츠 영역과 동일하거나 허용 범위 내 유사하여 저작권 침해 개연성이 존재하는 N(N≥1)개의 침해 가능 컨텐츠 영역을 검출하고, 상기 검출된 N개의 침해 가능 컨텐츠 영역 중 저작권 비침해 상태로 대체 가능한 n(1≤n≤N)개의 대체 가능 컨텐츠 영역을 확인하여 저작권 비침해 상태에 대응하는 n개의 대체 컨텐츠 영역으로 대체 변경한 변경 컨텐츠 데이터를 생성하는 제2 단계와, 상기 사용자 단말을 통해 상기 변경 컨텐츠 데이터를 출력시키는 절차를 수행하는 제3 단계를 포함한다.
본 발명은 맥락을 이해하는 인공지능 기반 PPL 삽입 방법에 관한 것으로서, 본 발명에 따른 영상 컨텐츠에 접근 가능하거나 영상 컨텐츠를 제공하는 플랫폼과 연계된 운영서버를 통해 실행되는 맥락을 이해하는 인공지능 기반 PPL 삽입 방법은, 사용자 단말로부터 영상 컨텐츠 내에 포함 가능한 N(N≥1)개의 객체 중 지정된 n(1≤n≤N)개의 객체가 노출되는 특정 상황을 인식하여 상기 n개의 객체의 지정된 객체 영역에 지정된 PPL(Product PLacement) 아이템을 삽입 지시하는 상황 인식 기반 PPL 삽입 지시 문장을 수신하는 제1 단계와, 상기 영상 컨텐츠에 대응하는 원본 영상 데이터와 상기 상황 인식 기반 PPL 삽입 지시 문장을 지정된 인공지능모듈에 대입하여 상기 원본 영상 데이터의 재생 구간 중 상기 특정 상황에 부합하는 M(M≥1)개의 재생 구간을 인식하면서 상기 M개의 재생 구간에 노출되는 n개의 객체의 지정된 객체 영역에 상기 PPL 아이템을 삽입 처리한 PPL 영상 데이터를 생성하는 제2 단계와, 상기 사용자 단말을 통해 상기 PPL 영상 데이터를 재생시키는 절차를 수행하는 제3 단계를 포함한다.
본 발명은 객체의 비식별화 방법에 관한 것이다. 본 발명의 일 실시예에 따른 적어도 하나의 프로세서에 의해 수행되는 이미지 세그멘테이션을 통한 비식별화 방법은 대상 이미지를 입력 받는 단계; 입력된 대상 이미지에 대한 제1 세그멘테이션 맵 및 제1 특징 맵을 생성하는 단계; 상기 제1 세그멘테이션 맵을 상기 특징 맵에 매핑하여 제2 특징 맵을 생성하는 단계; 상기 제2 특징맵을 클러스터링 하여 각 클러스터 별 제1 중심을 산출하는 단계; 상기 산출된 제1 중심 간의 거리로 결정된 제2 중심과 상기 제1 특징 맵 내 픽셀 간 유사도에 따라 제1 세그멘테이션 맵의 일부 영역을 제외한 제2 세그멘테이션 맵을 생성하는 단계; 및 제2 세그멘테이션 맵의 마스크에 대응하는 상기 대상 이미지의 영역을 비식별화하는 단계를 포함한다. 본 발명에 따르면 약지도 및 비지도 학습을 이용하여 편향된 영향을 제거한 세그멘테이션 모델을 통한 비식별화 방법을 제공함으로써 데이터의 정확한 분류와 세분화를 가능하게 하고, 이를 통해 개인정보 보호의 정확도를 높이며 비식별화 과정에서 오류의 가능성을 줄일 수 있다.
본 발명은 2차적 저작물 컨텐츠 운영 방법에 관한 것으로서, 본 발명에 따른 적어도 하나 이상의 원저작물을 소유하는 특정인에 대응하는 특정인 계정과 상기 특정인 계정을 통해 상기 특정인의 원저작물과 관련된 적어도 하나 이상의 컨텐츠의 등록 및 판매가 가능한 적어도 하나 이상의 페이지를 운영하는 운영서버를 통해 실행되는 2차적 저작물 컨텐츠 운영 방법은, 지정된 특정인의 원저작물과 관련된 컨텐츠의 등록이 가능한 페이지와 연동하는 특정인 계정을 설정하여 등록하는 제1 단계와, 사용자 단말로부터 상기 특정인의 원저작물과 관련된 컨텐츠를 등록받는 제2 단계와, 특정인 단말로부터 상기 등록된 컨텐츠의 이용에 대한 컨텐츠 이용 승인 정보를 수신하는 제3 단계와, 상기 컨텐츠 이용 승인 정보를 참조하여 상기 등록된 컨텐츠를 이용할 수 있도록 처리하는 제4 단계를 포함한다.
본 발명의 일 실시 예에 따른 컴퓨팅 장치에서 수행되는 이미지 배경 합성 방법은, 컴퓨팅 장치에서 수행되며, 오류 객체의 검색을 위한 키워드를 입력받고, 키워드와 관련된 이미지를 추출하며, 제1 모델을 이용하여 추출된 이미지 내 키워드에 대응하는 영역을 세그멘테이션하고, 세그멘테이션된 영역을 배경 영역으로 배경 합성할 수 있다. 본 발명은 오류 객체의 효과적인 탐지와 제거를 통해 이미지 또는 영상 콘텐츠의 품질과 신뢰성을 크게 향상시킬 수 있다.
본 발명은 콘텐츠 내 가상 객체의 합성에 관한 것이다. 본 발명의 일 실시 예에 따른 컴퓨팅 장치에서 수행되는 이미지 내 가상 객체의 합성 방법은, 컴퓨팅 장치에서 수행되며, 이미지 내 사용자 지정 영역 정보를 입력받고, 제1 모델을 이용하여 추출된 이미지 내 대상 객체에 대응하는 영역을 세그멘테이션하며, 세그멘테이션된 영역에 대상 객체를 합성할 수 있다. 본 발명은 객체를 효과적으로 탐지하고 이를 바탕으로 자연스럽고 정교한 합성을 수행함으로써 이미지 및 영상 콘텐츠의 품질과 신뢰성을 크게 향상시키는 것을 목표로 한다.
본 발명은 태그 기반의 클래스 레이블을 활용한 이미지 세그멘테이션에 관한 것이다. 본 발명의 일 실시 예에 따른 컴퓨팅 장치에서 수행되는 이미지 세그멘테이션 방법에 있어서, 이미지에 대한 텍스트로부터 추출된 대표 태그 기반의 클래스 활성화를 통해 시드 맵을 생성하고, 상기 시드 맵 및 상기 이미지에 대한 비지도 기반 학습된 제1-1 모델의 출력을 이용하여 제1 중간 맵을 생성하며, 상기 제1 중간 맵 및 상기 시드 맵을 상기 이미지에 대한 약지도 기반 학습된 제1-2 모델의 출력을 이용하여 제2 중간 맵을 생성하고, 상기 제2 중간 맵의 경계를 보정하여 세그멘테이션 맵을 출력하는 단계를 포함한다. 본 발명은 이미지와 관련된 편향 없는 태그를 클래스 레이블로 제공함으로써, 세그멘테이션 작업 초기 단계에서 더욱 신뢰할 수 있는 데이터를 기반으로 작업을 수행할 수 있도록 한다
본 발명은 이미지 세그멘테이션에 관한 것이다. 본 발명의 일 실시 예에 따른 컴퓨팅 장치에서 수행되는 컴퓨팅 장치에서 수행되는 이미지 세그멘테이션 방법에 있어서, 이미지에 대한 시드 맵을 생성하고, 상기 시드 맵 및 상기 이미지에 대한 비지도 기반 학습된 제1 모델의 출력을 이용하여 제1 중간 맵을 생성하며, 상기 제1 중간 맵 및 상기 시드 맵을 상기 이미지에 대한 약지도 기반 학습된 제2 모델의 출력을 이용하여 제2 중간 맵을 생성하고, 상기 제2 중간 맵의 경계를 보정하여 세그멘테이션 맵을 출력할 수 있다. 본 발명은 약지도 기반(WSS)의 클래스 내 구분 능력과 비지도 기반(USS)의 클래스 간 세밀한 구분 능력을 통합하여, 이미지 세그멘테이션의 전반적인 정확도를 크게 향상시킬 수 있다. 특히, 시각적으로 유사한 클래스 간의 명확한 구분이 가능해질 수 있다
본 발명은 신경망 모델을 이용한 이미지 태깅 방법에 관한 것이다. 본 발명에 따른 컴퓨팅 장치에서 수행되는 이미지 태깅 방법은 학습된 제1 모델로 입력된 이미지에 대한 제1 특징 벡터를 추출하고, 학습된 제2 모델로 입력된 텍스트를 분절한 복수의 태그로부터 각각의 제2 특징 벡터를 추출하며, 태그별로 제1 특징 벡터와 복수의 제2 특징 벡터 간의 픽셀 단위 유사도를 산출하고, 산출된 픽셀 단위 유사도를 기준으로 태그 중 대표 태그를 추출한다. 본 발명에 따르면, 텍스트를 태그로 분절하고, 각 태그 단위의 유사도를 분석함으로써 텍스트와 이미지 간의 다층적이고 복합적인 관계를 정확히 반영할 수 있다. 이를 통해 기존 모델에서 간과되었던 세부 정보를 포착하여 보다 풍부한 표현이 가능해진다.
본 발명은 이미지 인페인팅을 통한 합성에 관한 것이다. 본 발명의 일 실시 예에 따른 이미지 인페인팅 방법에 있어서, 키워드를 입력받는 단계, 상기 키워드와 관련된 이미지를 추출하는 단계, 제1 모델을 이용하여 상기 추출된 이미지 내 키워드에 대응하는 영역을 세그멘테이션하는 단계, 상기 세그멘테이션된 영역을 인페인팅하는 단계를 포함한다. 본 발명은 약지도 기반(WSS)의 클래스 내 세부 구조 이해 능력과 비지도 기반(USS)의 클래스 간 영역 구분 능력을 통합하여, 이미지 인페인팅의 전반적인 품질과 정확도를 크게 향상시킬 수 있다. 특히, 시각적으로 유사한 영역 간의 명확한 구분이 가능해져 복원 과정에서 경계와 문맥의 자연스러움이 개선된다.
본 발명은 객체 검출을 위한 신경망의 학습 방법에 관한 것으로 검출 대상 이미지를 입력 받는 단계; 상기 검출 대상 이미지를 미리 결정된 크기의 단위 이미지로 분할하는 단계; 상기 분할된 단위 이미지들에 대한 신경망의 출력을 상기 단위 이미지를 제2 규칙에 따라 변형하여 생성된 제2 변형 이미지를 신경망의 입력으로 이용하여 출력된 값을 제1 레이블 값으로 정의하되, 상기 제1 규칙은 상기 단위 이미지의 변형 정도를 정량적으로 정의하는 변형 강도가 상기 제2 규칙에 비하여 높고, 제1 레이블 값은 임계값을 기준으로 바이너리 값으로 정의하는 단계; 상기 단위 이미지를 제1 규칙에 따라 변형하여 제1 변형 이미지를 생성하는 단계; 상기 제1 변형 이미지에 대한 상기 신경망의 출력과 상기 제1 레이블 값에 대한 손실을 이용하여 상기 신경망을 학습시키는 단계; 및 학습된 상기 신경망을 이용하여 객체 검출을 수행한다. 또한, 본 발명은 학습된 신경망을 이용하여 실제 대화면 이미지로부터 국소 영역에 위치하는 객체에 대한 학습 데이터를 증강시킴으로써 신경망의 학습 성능을 높이고 외부 환경 변화에 강인한 성능을 갖도록 한다.
실시예에 따르면, 음원 데이터 및 사용자 요청 정보를 입력받는 입력부; 상기 음원 데이터로부터 보컬 멜로디 데이터 및 음원 특징 데이터를 추출하여 기본 편곡 데이터를 생성하는 제1처리부; 및 상기 기본 편곡 데이터에 상기 사용자 요청 정보를 반영한 반주 데이터를 추가하여 디지털 음원을 생성하는 제2처리부를 포함하는 자동 편곡 시스템을 제공한다.
본 발명의 일 실시예에 따른 도로의 블랙 아이스 제거 시스템은, 도로의 상공을 비행하면서 도로의 상태 정보를 수집하는 복수개의 드론 및 상기 드론의 비행제어를 위한 데이터를 송신하거나, 상기 도로의 상태 정보를 수신 또는 저장하는 서버로 구성되는 관제센터를 포함하고, 상기 복수개의 드론은, 상기 도로의 상태 정보에 기반하여 도로에 형성된 블랙 아이스를 제거하기 위한 약액이 수용되는 하우징 및 상기 도로의 상태 정보를 수집하기 위한 카메라를 포함하고, 상기 관제센터는, 상기 카메라로부터 수신된 영상 데이터를 분석하는 영상 처리부 및 상기 영상 처리부로부터 분석된 영상 데이터를 기반으로 상기 도로에 존재하는 블랙 아이스를 제거하기 위한 드론의 비행 미션 시나리오를 설정하는 블랙 아이스 판단부를 포함할 수 있다.
본 발명의 예시적인 실시예들에 따른 2차사고 방지를 위한 무인 비행장치의 제어 방법은 서버의 통신부를 통해 사고 발생 신호를 수신하는 단계, 상기 서버의 신호 분석부를 통해 상기 사고 발생 신호를 분석하여 사고 발생 장소의 위치 정보를 확인하는 단계, 상기 서버의 통신부를 통해 안전삼각대가 장착된 2차사고 방지용 무인 비행장치에 운용 신호를 송신하는 단계, 및 상기 무인 비행장치의 위치를 상기 사고 발생 장소로 이동시키는 단계를 포함할 수 있다. 상기 무인 비행장치는 상기 사고 발생 장소의 지면으로부터 소정 거리만큼 이격된 높이에서 비행 상태를 유지하도록 제어될 수 있다.
본 발명은 객체의 비식별화 방법에 관한 것이다. 본 발명의 일 실시예에 따른 적어도 하나의 프로세서에 의해 수행되는 이미지 세그멘테이션을 통한 비식별화 방법은 대상 이미지를 입력 받는 단계; 입력된 대상 이미지에 대한 제1 세그멘테이션 맵 및 제1 특징 맵을 생성하는 단계; 상기 제1 세그멘테이션 맵을 상기 특징 맵에 매핑하여 제2 특징 맵을 생성하는 단계; 상기 제2 특징맵을 클러스터링 하여 각 클러스터 별 제1 중심을 산출하는 단계; 상기 산출된 제1 중심 간의 거리로 결정된 제2 중심과 상기 제1 특징 맵 내 픽셀 간 유사도에 따라 제1 세그멘테이션 맵의 일부 영역을 제외한 제2 세그멘테이션 맵을 생성하는 단계; 및 제2 세그멘테이션 맵의 마스크에 대응하는 상기 대상 이미지의 영역을 비식별화하는 단계를 포함한다. 본 발명에 따르면 약지도 및 비지도 학습을 이용하여 편향된 영향을 제거한 세그멘테이션 모델을 통한 비식별화 방법을 제공함으로써 데이터의 정확한 분류와 세분화를 가능하게 하고, 이를 통해 개인정보 보호의 정확도를 높이며 비식별화 과정에서 오류의 가능성을 줄일 수 있다.
본 발명은 편향이 제거된 세그멘테이션 방법에 관한 것이다. 본 발명의 일 실시예에 따른 적어도 하나의 프로세서에 의해 수행되는 이미지 세그멘테이션 방법은 대상 이미지를 입력 받는 단계; 입력된 대상 이미지에 대한 제1 세그멘테이션 맵 및 제1 특징 맵을 생성하는 단계; 상기 제1 세그멘테이션 맵을 상기 특징 맵에 매핑하여 제2 특징 맵을 생성하는 단계; 상기 제2 특징맵을 클러스터링 하여 각 클러스터 별 제1 중심을 산출하는 단계; 및 상기 산출된 제1 중심 간의 거리로 결정된 제2 중심과 상기 제1 특징 맵 내 픽셀 간 유사도에 따라 제1 세그멘테이션 맵의 일부 영역을 제외한 제2 세그멘테이션 맵을 생성하는 단계를 포함한다. 본 발명에 따르면 약지도 또는 비지도 학습을 사용함으로써, 본 발명은 세그멘테이션 모델에서 데이터 편향의 영향을 크게 줄일 수 있다. 이는 모델이 다양한 상황과 환경에서 보다 균형 잡힌 방식으로 작동하게 하며, 이로 인해 세그멘테이션의 정확도와 신뢰성이 향상될 수 있다.
본 발명은 증강된 이미지의 추론 결과 차이를 이용한 신경망의 학습과 학습된 신경망을 통한 이미지 내 객체 검출 방법에 관한 것으로 검출 대상 이미지를 입력 받는 단계; 상기 검출 대상 이미지를 미리 결정된 크기의 단위 이미지로 분할하는 단계; 및 학습된 상기 신경망을 이용하여 상기 분할된 단위 이미지로부터 객체 검출을 수행하는 단계를 포함하고, 상기 신경망은, 학습용 이미지를 미리 결정된 크기의 단위 이미지로 분할하고, 상기 단위 이미지를 제1 규칙에 따라 변형한 제1 변형 이미지를 상기 신경망의 입력으로한다. 본 발명은 학습된 신경망을 이용하여 실제 대화면 이미지로부터 국소 영역에 위치하는 객체에 대한 학습 데이터를 증강시킴으로써 신경망의 학습 성능을 높이고 외부 환경 변화에 강인한 성능을 갖도록 한다.
본 발명은 객체 검출을 위한 방법에 관한 것으로 본 발명에 따른 컴퓨팅 장치에서 수행되는 학습된 신경망을 통한 객체 마스크 정보의 획득 방법은 대상 이미지를 인코더에 입력하여 상기 대상 이미지 내 적어도 일 객체의 특징이 축약된 특징맵을 출력하는 단계; 상기 출력된 특징맵을 디코더에 입력하여 상기 객체의 특징이 확장된 세그멘테이션맵을 생성하는 단계; 및 상기 세그멘테이션맵 내 검출된 객체의 에지를 기반으로 상기 이미지 내 불확실한 마스크를 정제(Refinement)하여 상기 객체 세그멘테이션 정보를 획득하는 단계를 포함하고, 상기 인코더는 객체의 라벨을 이용하여 상기 특징맵 내 객체의 영역을 활성화한 활성맵과 상기 활성맵으로부터 픽셀 단위로 재구성된 재구성맵간의 차이를 손실로 학습된 것이 바람직하다. 이상 본 발명에 따르면 보다 정확한 객체 세그멘테이션 결과를 생성하고 세그멘테이션 결과를 이용하여 레이블을 생성하고 신경망의 학습에 이용할 수 있다.
본 발명은 객체 세그멘테이션을 위한 방법에 관한 것으로 본 발명에 따른 컴퓨팅 장치에서 수행되는 학습된 신경망을 통한 객체 세그멘테이션 정보의 획득 방법은 대상 이미지를 인코더에 입력하여 상기 대상 이미지 내 적어도 일 객체의 특징이 축약된 특징맵을 출력하는 단계; 상기 출력된 특징맵을 디코더에 입력하여 상기 객체의 특징이 확장된 세그멘테이션맵을 생성하는 단계; 및 상기 세그멘테이션맵 내 검출된 객체의 에지를 기반으로 상기 이미지 내 불확실한 마스크를 정제(Refinement)하여 상기 객체 세그멘테이션 정보를 획득하는 단계를 포함하고, 상기 인코더는 객체의 라벨을 이용하여 상기 특징맵 내 객체의 영역을 활성화한 활성맵과 상기 활성맵으로부터 픽셀 단위로 재구성된 재구성맵간의 차이를 손실로 학습된 것이 바람직하다. 이상 본 발명에 따르면 보다 정확한 객체 세그멘테이션 결과를 생성하고 세그멘테이션 결과를 이용하여 레이블을 생성하고 신경망의 학습에 이용할 수 있다.
본 발명은 객체 세그멘테이션을 위한 방법에 관한 것으로 본 발명에 따른 컴퓨팅 장치에서 수행되는 학습된 신경망을 통한 객체 세그멘테이션 정보의 획득 방법은 대상 이미지를 인코더에 입력하여 상기 대상 이미지 내 적어도 일 객체의 특징이 축약된 특징맵을 출력하는 단계; 상기 출력된 특징맵을 디코더에 입력하여 상기 객체의 특징이 확장된 세그멘테이션맵을 생성하는 단계; 및 상기 세그멘테이션맵 내 검출된 객체의 에지를 기반으로 상기 이미지 내 불확실한 마스크를 정제(Refinement)하여 상기 객체 세그멘테이션 정보를 획득하는 단계를 포함하고, 상기 인코더는 객체의 라벨을 이용하여 상기 특징맵 내 객체의 영역을 활성화한 활성맵과 상기 활성맵으로부터 픽셀 단위로 재구성된 재구성맵간의 차이를 손실로 학습된 것이 바람직하다. 이상 본 발명에 따르면 보다 정확한 객체 세그멘테이션 결과를 생성하고 세그멘테이션 결과를 이용하여 레이블을 생성하고 신경망의 학습에 이용할 수 있다.
NFT 기반 콘텐츠 상품화 서비스 제공 시스템이 구성되며, 콘텐츠를 업로드한 후 콘텐츠에 기하여 NFT를 발행받는 저작권 단말 및 콘텐츠를 심사하는 심사부, 콘텐츠의 심사가 완료되는 경우 콘텐츠에 기하여 NFT를 발행하는 발행부, 저작권 단말에서 적어도 하나의 상품을 선택하는 경우, NFT를 전자지갑으로 확인한 후 적어도 하나의 상품에 콘텐츠를 렌더링하여 출력하는 상품화부, 저작권 단말에서 콘텐츠가 삽입된 적어도 하나의 상품을 판매하는 경우 판매대금을 정산하는 정산부를 포함하는 상품화 서비스 제공 서버를 포함한다.
본 발명은 지능형 감시 모델의 학습 방법에 관한 것으로, 입력되는 영상에 대하여 적어도 하나의 합성 곱(Convolution) 연산을 수행하는 감시 모델을 블록체인의 각 노드에 대응되는 적어도 하나의 감시 모듈이 이용 가능하도록 배포(Release)하는 단계; 상기 배포된 감시 모델의 감시 결과에 따라 생성된 상기 감시 모델의 갱신 정보를 각 노드가 수신하는 단계; 및 상기 갱신 정보를 각 노드가 검증하고 검증된 갱신 정보를 이용하여 상기 감시 모델을 업데이트하는 단계를 포함하는 것을 특징으로 하는 감시 모델의 블록체인 기반 학습 방법.
본 발명은 공사 진척도의 판단 방법에 관한 것이다. 본 발명에 따른 서버에서 수행되는 딥러닝 기반의 공사 진척도 판단 방법은 공사 현장 이미지를 입력 받는 단계; 상기 공사 현장 이미지에 대하여 픽셀 단위의 분류를 학습된 공사 현장 분류 모델을 이용하여 수행하는 단계; 및 상기 분류 별 픽셀의 비율을 통하여 공사 진척도를 산출하는 단계를 포함한다. 본 발명에 따르면, 학습된 신경망을 통하여 객관화된 지표를 산출하고 보다 편리하게 공사 진척도를 판단할 수 있다.
본 발명은 딥러닝 기반의 실종자 검출 방법에 관한 것으로 본 발명에 따른 실종자 검출을 수행하는 방법을 검출 대상 이미지를 입력 받는 단계; 상기 검출 대상 이미지를 미리 결정된 크기의 단위 이미지로 분할하는 단계; 및 상기 단위 이미지를 기초로 실종자 검출을 수행하는 단계를 포함한다. 본 발명에 따르면 대화면 내에서 실종자를 효율적으로 검출할 수 있으며, 학습된 신경망을 바탕으로 실종자를 수색함과 동시에 단위 영역을 기준으로 검출 결과를 표시힘으로써 드론의 탐색 경로 설정에 활용할 수 있다.
본 발명은 화염 기반의 발화지점 판단을 위한 신경망 모델의 학습 방법에 관한 것으로, 본 발명에 따른 신경망 모델의 학습 방법은 화염 기반의 발화지점 판단을 위한 신경망 모델의 학습 방법에 있어서, 실제 화재 이미지와 임의의 화염 이미지를 배경 이미지에 결합하여 생성된 가상 이미지를 포함하는 학습 이미지를 생성하는 단계; 상기 학습 이미지를 제1 신경망 모델에 입력하고 화염의 존재 여부에 대한 판단 결과를 출력하는 단계; 및 상기 판단 결과를 이용하여 상기 제1 신경망 모델 내에서 상기 학습 이미지의 특징을 추출하는 레이어 내 가중치를 갱신하는 단계를 포함한다. 본 발명에 따르면, 다양한 화재 상황의 데이터를 확보할 수 있으며 이를 통해 화재 발생을 판단하는 신경망 모델의 성능을 높일 수 있으며, 학습을 위한 데이터의 품질을 높여 다양한 상황의 화재를 신경망 모델이 스스로 예측하도록 할 수 있다.
본 발명은 객체 세그멘테이션을 위한 신경망에 관한 것으로, 본 발명의 일 실시예에 따른 학습된 신경망을 이용한 안전 관리를 위한 관리 대상 객체 검출 방법은 세그멘테이션 대상 이미지를 입력 받는 단계; 상기 대상 이미지를 미리 결정된 크기의 단위 이미지로 분할하는 단계; 상기 신경망을 이용하여 상기 분할된 단위 이미지에 대한 단위 활성 맵(Activation map)을 제1 세그멘테이션 결과로 출력하는 단계; 상기 단위 활성 맵을 병합(merge)하는 단계; 및 상기 병합된 단위 활성 맵에 따른 제2 세그멘테이션 결과를 출력하는 단계를 포함하고, 상기 신경망은 상기 대상 이미지에 대한 전체 활성 맵과 상기 병합된 활성 맵을 상호 이용하여 학습된 것이 바람직하다. 본 발명에 따르면 보다 정확한 객체 세그멘테이션 결과를 생성함으로써 다양한 산업 현장 내 안전 관리를 위한 규정의 준수 여부나 이벤트의 발생 여부를 보다 정확하고 신속하게 판단할 수 있다.
위치 기반의 스마트 헬멧 착용 관리 서버의 운영 방법은 사용자로부터 스마트 헬멧을 착용한 이미지를 수신하는 단계, 수신된 이미지에 포함된 스마트 헬멧 및 상기 사용자의 안면 정보를 인식하는 단계, 인식된 스마트 헬멧 및 사용자의 안면 정보를 기초로 스마트 헬멧의 착용 상태를 판단하는 단계, 착용 상태를 기초로 퍼스널 모빌리티와 같은 외부 기기의 이용 가능 여부를 결정하는 단계를 포함할 수 있다.
본 발명은 동영상 분석 방법에 관한 것으로서, 본 발명에 따른 운영서버를 통해 실행되는 동영상 분석 방법은, 지정된 컨텐츠관리매체에 저장된 동영상 컨텐츠를 지정된 프레임 단위로 분석하여 기 설정된 T(T≥1)개의 객체 카테고리 중 적어도 한 객체 카테고리에 속한 객체를 포함하는 M(M≥1)개의 객체를 인식하는 제1 단계와, 상기 인식된 M개의 객체를 상기 설정된 객체 카테고리에 따라 분류하여 동일한 객체 카테고리에 속한 m(1≤m≤M)개의 객체를 포함한 상태를 유지하는 프레임 구간을 포함하는 N(N≥1)개의 프레임 구간을 인식하는 제2 단계와, 상기 인식된 N개의 프레임 구간 정보와 각각의 프레임 구간에 포함된 각각의 m개의 객체가 속한 적어도 하나의 객체 카테고리에 대응하는 프레임 구간 별 객체 카테고리 정보를 포함하는 객체 분석 정보를 생성하여 지정된 저장매체에 저장하는 제3 단계를 포함한다.
본 발명은 객체 검출을 위한 신경망의 학습 방법에 관한 것으로 검출 대상 이미지를 입력 받는 단계; 상기 검출 대상 이미지를 미리 결정된 크기의 단위 이미지로 분할하는 단계; 상기 분할된 단위 이미지들에 대한 신경망의 출력을 제1 레이블 값으로 정의하는 단계; 상기 단위 이미지를 제1 규칙에 따라 변형하여 제1 변형 이미지를 생성하는 단계; 및 상기 제1 변형 이미지에 대한 상기 신경망의 출력과 상기 제1 레이블 값에 대한 손실을 이용하여 상기 신경망을 학습시키는 단계를 포함한다. 본 발명에 따르면 대화면 내에서 객체를 검출하는 신경망을 효율적으로 학습시킬 수 있다. 또한, 본 발명은 학습된 신경망을 이용하여 실제 대화면 이미지로부터 국소 영역에 위치하는 객체에 대한 학습 데이터를 증강시킴으로써 신경망의 학습 성능을 높이고 외부 환경 변화에 강인한 성능을 갖도록 한다.
본 발명은 화염 판단을 위한 신경망 모델의 학습 방법에 관한 것으로, 본 발명에 따른 신경망 모델의 학습 방법은 화염 판단을 위한 신경망 모델의 학습 방법에 있어서, 실제 화재 이미지와 임의의 화염 이미지를 배경 이미지에 결합하여 생성된 가상 이미지를 포함하는 학습 이미지를 생성하는 단계; 상기 학습 이미지를 제1 신경망 모델에 입력하고 화염의 존재 여부에 대한 판단 결과를 출력하는 단계; 및 상기 판단 결과를 이용하여 상기 제1 신경망 모델 내에서 상기 학습 이미지의 특징을 추출하는 레이어 내 가중치를 갱신하는 단계를 포함한다. 본 발명에 따르면, 다양한 화재 상황의 데이터를 확보할 수 있으며 이를 통해 화재 발생을 판단하는 신경망 모델의 성능을 높일 수 있으며, 학습을 위한 데이터의 품질을 높여 다양한 상황의 화재를 신경망 모델이 스스로 예측하도록 할 수 있다.
본 발명의 집단 지성 기반의 상호 검증을 이용한 인공지능 기반 객체인식 신뢰도 향상 방법에 따르면, 인공지능모듈과 연동하는 서버를 통해 실행되는 방법에 있어서, 인공지능모듈을 통해 인식할 인식 대상 객체의 정형화된 이미지에 대응하는 M(M≥2)개의 정형 데이터를 상기 인공지능모듈에 주입하여 학습시키고, 상기 인식 대상 객체에 대한 정형 이미지와 비정형 이미지 중 하나 이상의 이미지를 포함하는 N(N≥2)개의 학습 데이터를 준비하고, 상기 N개의 학습 데이터에 포함된 하나 이상의 객체영역을 인식하여 상기 N개의 학습 데이터 상에 상기 인식된 객체영역을 설정한 N개의 객체영역 인식 데이터를 추출하고, U(U≥2)명의 사용자 중 제i(1≤i≤U) 사용자가 이용하는 제i 사용자 단말기로 ni(1≤ni≤N)개의 객체영역 인식 데이터를 지정된 순서에 따라 제공하여 상기 제i 사용자 단말기로부터 상기 ni개의 객체영역 인식 데이터에 포함된 하나 이상의 객체영역 중 상기 인식 대상 객체에 대응하는 적어도 하나의 유효 객체영역을 선택받은 ni개의 객체영역 선택 데이터를 수신하는 절차와, 제j(1≤j≤U, i≠j) 사용자가 이용하는 제j 사용자 단말기로 nj(1≤nj≤N)개의 객체영역 인식 데이터를 지정된 순서에 따라 제공하여 상기 제j 사용자 단말기로부터 상기 nj개의 객체영역 인식 데이터에 포함된 하나 이상의 객...(이하생략)
본 발명의 무선단말을 이용한 초상권 보호 방법에 따르면, 터치스크린과 하나 이상의 카메라부를 구비한 무선단말의 앱을 통해 실행되는 방법에 있어서, 지정된 카메라부를 통해 획득되는 영상정보나 사진정보를 판독하여 N(N≥1)개의 안면영역에 대응하는 N개의 안면영역 별 N개의 안면 특징점 관계를 인식하고, 표시 대상 안면영역을 판별하기 위해 등록된 표시 대상 안면 특징점 조합을 저장 관리하는 저장매체와 연동하여 상기 영상정보나 사진정보로부터 인식된 N개의 안면 특징점 관계 중 상기 표시 대상 안면 특징점 조합의 적어도 일부와 기 설정된 허용 오차 범위 내 매칭되어 표시 대상으로 결정 가능한 n(0≤n≤N)개의 안면 특징점 관계를 판별하고, 상기 영상정보나 사진정보에 포함된 N개의 안면영역 중 상기 판별된 n개의 안면 특징점 관계에 대응하는 n개의 안면영역을 유효 표시 안면영역으로 결정하거나 상기 N개의 안면영역 중 상기 n개의 안면 특징점 관계를 제외한 (N-n)개의 안면 특징점 관계에 대응하는 (N-n)개의 안면영역을 자동 은폐 처리할 은폐 안면영역으로 처리하며,적어도 하나의 유효 표시 안면영역이 결정된 경우, 상기 유효 표시 안면영역에 대응하는 안면 특징점 관계를 정규화하여 상기 매칭된 안면 특징점 조합에 포함되도록 학습시킨다.
본 발명은 동영상 배경화면/잠금화면 설정 방법에 관한 것으로, 본 발명에 따른 터치스크린 화면을 구비한 사용자 무선단말에 구비된 앱을 통해 실행되는 동영상 배경화면/잠금화면 설정 방법은, 상기 앱이 지정된 운영서버로부터 가로-세로 x(x≥100px)-y(y≥100px) 해상도의 동영상 파일을 다운로드하여 지정된 저장영역에 저장하는 제1 단계와, 상기 앱이 지정된 저장영역에 저장된 N(N≥1)개의 동영상 중 배경화면으로 설정할 제n(1≤n≤N) 동영상을 확인하고, 상기 무선단말의 화면 영역의 장변 해상도 L(L≥480px)과 단변 해상도 S(S≥320px)를 확인하는 제2 단계와, 상기 앱이 상기 확인된 제n 동영상의 가로-세로 x-y 해상도 비율을 유지하면서 상기 제n 동영상의 세로 방향 해상도 y를 상기 무선단말의 화면 영역의 장변 해상도 L보다 크거나 같은 y'(y'≥L)로 조정함과 동시에 상기 제n 동영상의 가로 방향 해상도 x를 상기 y와 y'의 비례 관계에 대응하는 x'(x'=(x*y')/y)로 조정하는 적어도 하나의 조정 절차를 수행하여 상기 제n 동영상의 최종 조정된 세로 방향 해상도를 상기 무선단말의 화면 영역의 장변 해상도 L보다 크거나 같은 Y(Y≥L)로 조정함과 동시에 상기 제n 동영상의 최종 조정된 가로 방향 해상도를 상기 무선단말의 화면 영역의 단변 해상도 S보다 크거나 같은...(이하생략)
본 발명은 앱 내 동영상 배경화면 설정 방법에 관한 것으로, 본 발명에 따른 터치스크린 화면을 구비한 사용자의 무선단말에 구비된 배경 앱을 통해 실행되는 앱 내 동영상 배경화면 설정 방법은, 상기 배경 앱이 지정된 운영서버로부터 가로-세로 x(x≥100px)-y(y≥100px) 해상도의 동영상 파일을 다운로드하여 지정된 저장영역에 저장하는 제1 단계와, 상기 배경 앱이 지정된 저장영역에 저장된 N(N≥1)개의 동영상 중 지정된 대상 앱의 배경화면으로 설정할 제n(1≤n≤N) 동영상을 확인하고, 동영상 배경화면을 설정한 대상 앱의 배경 영역의 장변 해상도 L(L≥480px)과 단변 해상도 S(S≥320px)를 확인하는 제2 단계와, 상기 배경 앱이 상기 확인된 제n 동영상의 가로-세로 x-y 해상도 비율을 유지하면서 상기 제n 동영상의 세로 방향 해상도 y를 상기 대상 앱의 배경 영역의 장변 해상도 L보다 크거나 같은 y'(y'≥L)로 조정함과 동시에 상기 제n 동영상의 가로 방향 해상도 x를 상기 y와 y'의 비례 관계에 대응하는 x'(x'=(x*y')/y)로 조정하는 적어도 하나의 조정 절차를 수행하여 상기 제n 동영상의 최종 조정된 세로 방향 해상도를 상기 대상 앱의 배경 영역의 장변 해상도 L보다 크거나 같은 Y(Y≥L)로 조정함과 동시에 상기 제n 동영상의 최종 조정된 가로 방향 해상도를 상...(이하생략)
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 35건 중 35건 · 줄을 누르면 자세한 내용이 펼쳐집니다 ▾
지금은 공공자료(국민연금 · 전자공시 · 특허 · 명부 · 보도)만 있습니다. 회사가 IR Room에 자료를 내면 L1로 올라갑니다. 저희는 회사에 점수나 등급을 매기지 않습니다 — 어디까지 확인했는지만 적습니다.
| 단위 억원 | 2024 | 2025 |
|---|---|---|
| 영업수익(매출액) | 117.6 | 152.6 |
| 영업비용 | 213.2 | 210.9 |
| 판매비와관리비 | 93.9 | 77.6 |
| 영업이익(손실) | (95.6) | (58.2) |
| 영업외수익 | 5.9 | 3.7 |
| 기타이익 | 0.1 | 0.1 |
| 금융수익 | 5.5 | 3.6 |
| 기타 | 0.2 | — |
| 영업외비용 | 46.8 | 34.5 |
| 기타손실 | 0.1 | 0.2 |
| 금융원가 | 0.4 | 0.7 |
| 기타 | 46.3 | 33.6 |
| 법인세비용차감전순이익(손실) | (136.5) | (89.1) |
| 당기순이익(손실) | (136.5) | (89.1) |
매출은 152.6억으로 전년 대비 29.8% 증가한 것으로 나타났다.
영업이익률은 -38.1%로 전년 -81.3%에서 상승했다.
당기순이익은 -89.1억으로 나타났다.
여기 실린 것보다 깊은 자료가 필요하십니까. 추가 정보 요청 — 종합 검토보고서 · 가치평가 · Executive Teaser · IM · 경쟁사 분석 · 실사 의뢰. 고르시면 산출비용과 걸리는 기간을 메일로 안내드립니다.
공개 기사의 제목 · 링크만 싣습니다 · 저희가 확인한 내용이 아닙니다(원문 ↗) · 「증권사 전망」은 확정 실적 아님 · 2026-11-07 확인