Loading the company…
Loading the company…
㈜수퍼게이트
English name as filed with DART, Korea’s corporate disclosure system · Correct the English name ›
Last updated 2026-10-11 · Korean page ›
Verification level — how far we have checked
L0 · Public records — NPS workforce · filed financials · patents — public data
A company based in Seoul, founded in 2018. Industry: Software & IT Services. Revenue for 2025 was ₩4.3bn. It has 104 employees enrolled in the National Pension Service (as of Aug 2026). It is externally audited; the latest audit opinion is “Unqualified”.
Loading…
Latest filing 2026-07-14 · latest registration 2026-09-15 · newest first
본 발명은 프로세서의 상대 속도를 고려한 광학 흐름(optical flow) 산출 방법으로써, 이동체의 주행에 따라 이동체 주변을 촬영한 주행 이미지들을 획득하는 단계, 이동체의 주행에 따른 카메라의 이동 속도 데이터를 획득하는 단계, 카메라의 이동 속도 데이터를 기초로 주행 이미지 내 광학 흐름을 산출하는 단계를 포함할 수 있다.
본 발명은 카메라의 추가 없이 기존 카메라를 이용하여 카메라 영상 프레임을 증가하는 방법 및 컴퓨터 시스템에 관한 것이다. 본 발명의 일 실시 예에 따른 컴퓨팅 시스템에서 수행되는 카메라 영상 프레임 증가 방법은, 둘 이상의 카메라에서 촬영되는 영상을 처리하는 방법에 있어서, 제1 카메라에서 촬영된 영상인 제1 영상 및 상기 제2 카메라에서 촬영된 영상인 제2 영상을 수신하는 단계; 및 상기 제1 영상에서 특정 주기인 T1 주기로 샘플링하고, 상기 제2 영상에서 샘플링 하되, 상기 제2 영상의 샘플링 시점은 상기 제1 영상의 샘플링 시점과 다르도록 샘플링하는 단계를 포함할 수 있다.
본 발명은 프로세서의 거리 데이터 산출 방법은 카메라로부터 적어도 하나의 표준 객체가 포함된 제1 영상을 수신하는 단계, 수신된 제1 영상 내 표준 객체를 인식하여 제1 인식 데이터를 획득하는 단계, 카메라를 소정 각도로 회전되도록 제어하는 단계, 소정 각도로 회전된 카메라로부터 적어도 하나의 표준 객체가 포함된 제2 영상을 수신하는 단계, 수신된 제2 영상 내 표준 객체를 인식하여 제2 인식 데이터를 획득하는 단계 및 제1 인식 데이터 및 제2 인식 데이터를 이용하여 표준 객체와 상기 카메라 사이의 거리 데이터를 산출하는 단계를 포함할 수 있다.
본 발명은 영상 내 픽셀 기반 객체 추적 방법, 프로그램 및 이를 수행하는 컴퓨팅 장치에 관한 것으로, 영상 내 현재 프레임에서 픽셀 단위의 객체 영역을 식별하여 객체 별로 마스크 맵(Mask map)을 생성하는 단계, 현재 프레임에서 생성된 마스크 맵과 이전 프레임에서 생성된 마스크 맵 간의 동일 객체 판단 여부에 따라 마스크 맵에 대하여 객체 고유 번호를 할당하는 단계, 객체 고유 번호가 할당된 마스크 맵에 대하여 윤곽선을 생성하는 단계, 윤곽선에 대하여 움직임 특성을 기반으로 다음 프레임에서의 윤곽선 위치를 예측하는 단계 및 예측 위치에 대응되는 픽셀을 동일한 객체 고유 번호로 할당하는 단계를 포함할 수 있다. 본 발명에 따르면, 본 발명은 픽셀을 기반으로 객체를 추적함으로써, 객체의 겹침과 같은 다양한 상황에서 객체를 세밀하게 추적할 수 있는 효과가 있다.
본 발명의 3D 시뮬레이션을 이용한 인공지능 학습을 위한 고품질의 학습 데이터 생성 방법은 현실 공간에 대한 공간 데이터 및 현실 객체들에 대한 객체 데이터를 획득하는 단계, 획득된 현실 공간에 대한 공간 데이터 및 현실 객체에 대한 객체 데이터의 물리적 특성을 반영하여 각각의 3D 모델 데이터를 생성하는 단계, 3D 모델 데이터를 기초로 가상 공간을 구축하고, 구축된 가상 공간에 배치 가능 영역을 고려하여 가상 객체를 배치하는 단계, 구축된 가상 공간에서 가상 객체 간 및 가상 객체와 가상 공간 간의 물리적 특성을 반영하여 상호작용과 동작을 시뮬레이션하는 단계 및 시뮬레이션의 결과에 따라 인공지능 학습을 위한 학습 데이터를 생성하는 단계를 포함할 수 있다.
본 발명의 시퀀스 기반 데이터 증강 및 하이퍼파라미터 탐색 방법은 적어도 하나 이상의 데이터 증강 기법의 적용 순서를 결정하는 단계, 결정된 적용 순서에 따라 데이터 증강 기법을 선택하고, 선택된 데이터 증강 기법의 하이퍼파라미터를 탐색 및 최적화하는 단계 및 최적화된 하이퍼파라미터가 적용된 데이터 증강 기법을 통해 생성된 학습 데이터를 이용하여, 다음 데이터 증강 기법의 하이퍼파라미터 탐색 및 최적화를 반복적으로 수행하는 단계를 포함할 수 있다.
본 발명은 차량 번호판 내 텍스트의 오류를 판단하는 차량 번호판 인식 방법, 시스템 및 이를 수행하는 컴퓨팅 장치에 관한 것으로, 인식 대상이 되는 차량의 차량 번호판 내 텍스트들을 인식하는 단계, 텍스트들을 교차하는 기준선을 생성하고, 생성된 기준선을 기초로 문자열을 생성하는 단계 및 텍스트들의 배열 및 텍스트 조합을 고려하여 생성된 문자열을 오류 여부를 판단하는 단계를 포함할 수 있다. 본 발명에 따르면 차량 번호판 내 텍스트 인식 방법을 제공함으로써, 다양한 차량 번호판의 텍스트를 인식할 수 있는 효과가 있다.
본 발명의 실시간 영상 데이터의 비식별화 처리 및 선택적 복원 방법은 실시간으로 획득되는 영상 데이터에서 얼굴 영역을 인식하는 단계, 인식된 얼굴 영역의 특징 정보를 기반으로 얼굴 영역의 비식별화를 수행하는 단계 및 사용자의 요청에 따라 특정 대상의 비식별화된 얼굴 영역을 원본 영상으로 복원하는 단계를 포함할 수 있다.
대용량 입력 데이터의 분할 처리가 가능한 소프트맥스 연산 방법, 장치 및 컴퓨터프로그램이 제공된다. 본 개시의 다양한 실시예에 따른 대용량 입력 데이터의 분할 처리가 가능한 소프트맥스 연산 방법은 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 소프트맥스(Softmax) 함수의 연산 처리가 요구되는 복수의 입력 값을 획득하는 단계, 상기 획득된 복수의 입력 값 중 최대 입력 값을 선택하고, 상기 획득된 복수의 입력 값에서 상기 선택된 최대 입력 값을 차감함에 따라 복수의 제1 연산 값을 산출하는 단계, 기 저장된 제1 룩업 테이블을 이용하여 상기 산출된 복수의 제1 연산 값에 대응하는 복수의 제1 매핑 값을 획득하는 단계, 기 저장된 제2 룩업 테이블을 이용하여 상기 획득된 복수의 제1 매핑 값의 합에 대응하는 하나의 제2 매핑 값을 획득하는 단계, 상기 산출된 복수의 제2 연산 값에서 상기 획득된 하나 이상의 제2 매핑 값을 차감함에 따라 복수의 제2 연산 값을 산출하는 단계 및 상기 기 저장된 제1 룩업 테이블을 이용하여 상기 산출된 복수의 제2 연산 값에 대응하는 복수의 결과 값을 도출하는 단계를 포함한다.
룩업 테이블 기반 가우시안 에러 선형 유닛(GELU) 연산방법, 장치 및 컴퓨터프로그램이 제공된다. 본 개시의 다양한 실시예에 따른 룩업 테이블 기반 가우시안 에러 선형 유닛(GELU) 연산방법은 컴퓨팅 장치에 의해 수행되며, 입력 값을 획득하는 단계 및 상기 획득된 입력 값에 대응하는 결과 값을 도출하는 단계를 포함하는 룩업 테이블 기반 가우시안 에러 선형 유닛(GELU) 연산방법에 있어서, 상기 결과 값을 도출하는 단계는, 상기 획득된 입력 값이 사전에 정의된 비선형 구간에 속하는 경우, 기 저장된 룩업 테이블을 이용하여 상기 획득된 입력 값에 대응하는 결과 값을 도출하고, 상기 획득된 입력 값이 사전에 정의된 선형 구간에 속하는 경우, 활성화 함수를 기반으로 상기 획득된 입력 값에 대응하는 결과 값을 산출하는 단계를 포함할 수 있다.
병렬 컴퓨팅을 이용한 이미지 분할 컨볼루션 연산방법, 장치 및 컴퓨터프로그램이 제공된다. 본 개시의 다양한 실시예에 따른 병렬 컴퓨팅을 이용한 이미지 분할 컨볼루션 연산방법은 컴퓨팅 장치에 의해 수행되는 방법에 있어서, 하나의 이미지를 분할함에 따라 복수의 이미지 타일을 생성하는 단계, 상기 생성된 복수의 이미지 타일 각각을 개별적으로 분석함에 따라 상기 생성된 복수의 이미지 타일 각각에 대응하는 복수의 제1 이미지 분석 결과를 도출하는 단계 및 상기 도출된 복수의 제1 이미지 분석 결과를 이용하여 상기 하나의 이미지에 대응하는 하나의 제2 이미지 분석 결과를 도출하는 단계를 포함한다.
본 발명은 시스톨릭 어레이의 연산 방법에 관한 것이다. 본 발명의 일 실시예에 따른 복수의 연산 유닛을 포함하는 시스톨릭 어레이 구조의 연산 장치에서 수행되는 연산 방법에 있어서, 순차적으로 수행되는 연산을 위한 복수의 행렬 데이터를 입력 받는 단계, 상기 입력된 복수의 행렬 데이터의 제1 연산을 수행하는 단계, 상기 행렬 데이터의 제1 연산 결과를 미리 결정된 크기로 확장하는 단계, 상기 확장된 제1 연산 결과를 제2 연산의 입력으로 전달하는 단계를 포함할 수 있다. 본 발명은 부동소수점 연산에서 가수의 크기를 임의로 확장함으로써, 정밀도 손실을 줄이고 연산의 정확도를 크게 향상시키는 효과가 있다.
본 발명은 시스톨릭 어레이 기반의 연산 장치에 관한 것이다. 본 발명에 따른 컴퓨터 장치에서 수행되는 연산 목적에 따른 시스톨릭 어레이 내 연산 유닛의 공유를 통한 연산 방법에 있어서, 순차적으로 수행되는 연산을 식별하는 단계, 상기 시스톨릭 어레이의 2차원 크기를 고려하여 연산별 필요한 연산 유닛의 개수를 결정하는 단계, 상기 결정된 연산 유닛의 개수에 따라 연산 그룹을 생성하는 단계, 및 상기 생성된 연산 그룹에 따른 연산을 수행할 수 있다. 본 발명은 시스톨릭 어레이 내에서 데이터 흐름을 최적화하여 연산 유닛 간의 거리 및 배치를 최적화함으로써 연산 속도를 크게 향상시키는 효과가 있다. 또한 본 발명은 시스톨릭 어레이 내에서의 MAC 연산 유닛들의 유휴 시간을 최소화하여 하드웨어의 활용도를 향상시키는 효과가 있다
본 발명의 예시적인 실시예들에 따른 시프트 연산 장치는 프로세서 및 메모리부로 구성될 수 있으며, 상기 시프트 연산 장치의 프로세서는 복수 개의 행렬 데이터들이 입력되는 데이터 입력부, 상기 복수 개의 행렬 데이터들을 수축 배열(Systolic array) 연산에 적합한 배열로 변환하기 위한 배열 변환부, 상기 배열이 변환된 복수 개의 행렬 데이터들 중 어느 하나의 데이터를 연산 대상 데이터로 할당하기 위한 시프터부(Shifter), 및 상기 연산 대상 데이터를 이용하여 수축 배열 연산을 수행하기 위한 데이터 연산부를 포함할 수 있고, 상기 배열 변환부는 상기 복수 개의 행렬 데이터들의 배열을 수직한 방향으로 회전시켜 변환하도록 제어될 수 있다.
본 발명의 예시적인 실시예들에 따른 풀링 연산 장치는 프로세서 및 메모리부로 구성될 수 있으며, 상기 풀링 연산 장치의 프로세서는 상기 메모리부로부터 입력된 입력 데이터를 불러오며 상기 입력 데이터를 일시적으로 저장하기 위한 입력 버퍼(Input buffer), 상기 입력 데이터에 대해 중간 연산을 수행하기 위한 제1 연산부, 상기 제1 연산부에 의해 수행된 중간 연산 결과를 임시 저장하기 위한 중간 버퍼(Mid result buffer), 상기 중간 버퍼로부터 불러온 중간 연산 데이터에 대해 최종 연산을 수행하기 위한 제2 연산부, 및 상기 최종 연산된 데이터를 출력 데이터로 출력하기 위한 데이터 출력부를 포함할 수 있으며, 상기 제1 연산부에 의해 수행되는 중간 연산은 상기 입력 데이터에 대해 커널(kernel) 사이즈보다 작은 스트라이드(stride) 값을 적용하여 풀링(Pooling) 연산을 수행하도록 제어될 수 있다.
본 발명은 양자화 모듈의 학습 및 양자화 방법에 관한 것이다. 본 발명의 일 실시예에 따른 컴퓨터 장치에서 수행되는 양자화 모델의 파라미터 학습 방법으로, 제1 모델의 입력 데이터에 대한 제1 출력 값을 추출하고, 제1 모델을 미리 설계된 파라미터로 양자화한 제2 모델의 입력 데이터에 대한 제2 출력 값을 추출하며, 제1 출력 값과 제2 출력 값 간의 손실을 이용하여 파라미터를 학습할 수 있다. 본 발명은 연산자의 특성(레이어)과 그에 따른 데이터 분포 및 데이터 타입을 고려하여 파라미터를 학습한 양자화 모델을 통해 양자화된 모델의 추론 또는 학습 과정에서 소요되는 리소스를 크게 절감할 수 있다.
본 발명은 객체 추적 방법에 관한 것이다. 본 발명의 일 실시예에 따른 컴퓨터 장치에서 수행되는 객체 추적 방법은 백그라운드에서 동작하는 객체 검출 모듈이 입력된 영상 데이터로부터 결정된 후보 영역 내 객체를 검출하고, 검출된 객체의 객체 영역을 포어그라운드에서 동작하는 객체 추적 모듈로 전달하며, 객체 추적 모듈은 전달된 객체 영역을 기초로 객체의 움직임을 추적할 수 있다. 본 발명에 따르면, 대규모 산업 현장에서 다수의 고해상도 카메라나 CCTV로부터 입력된 영상 데이터를 실시간으로 처리하여, 작업자의 안전을 보장할 수 있는 효율적이고 신뢰성 높은 안전 솔루션을 제공할 수 있다.
본 발명은 추론 리소스 제어 방법에 관한 것이다. 본 발명의 일 실시예에 따른 컴퓨터 장치에서 수행되는 멀티 채널에 대한 추론 방법으로, 추론을 위한 입력 데이터를 연속적으로 입력 받고, 입력된 데이터와 이전 데이터 간의 변화율을 산출하며, 변화율을 임계값과 비교한 후, 변화율이 임계값을 초과하는 경우 입력 데이터를 모델의 입력으로 사용하여 추론 결과를 출력할 수 있다. 본 발명에 따르면, 비전 데이터의 변화율(Inter-Frame Difference)에 따라 인공지능 모델의 추론 횟수를 동적으로 제어함으로써, 불필요한 리소스 사용을 줄일 수 있다.
본 발명은 객체의 시공간적 특성을 고려한 행동 추론 방법에 관한 것이다.본 발명의 일 실시예에 따른 컴퓨터 장치에서 수행되는 행동 추론 방법으로, 입력 데이터로부터 공간적 정보를 특징 맵으로 추출하고, 추출된 특징 맵을 연결하며, 연결된 특징 맵을 전치 변환하고, 전치 변환된 특징 맵을 입력으로 하여 학습된 신경망 모델의 추론 결과를 출력할 수 있다. 본 발명은 추론을 위한 네트워크에서 CNN을 사용하면 공간이 시간별로 가지는 특징점을, 트랜스포머를 사용하면 공간 간 시간에 따른 관계성을 학습할 수 있다. 이러한 변환 과정을 통해 시간적 정보에 초점을 맞추어 공간적 정보를 유지하면서도, 높은 정확도로 행동 인식을 수행할 수 있다.
본 발명은 클립 데이터를 증강하는 방법에 관한 것이다. 본 발명의 일 실시예에 따른 컴퓨터 장치에서 수행되는 클립 데이터의 증강 방법에 있어, 제1 및 제2 클립 데이터를 입력받고, 입력된 클립 데이터를 확장하며, 확장된 제1 클립 데이터의 여백을 타겟 도메인 이미지로 채우고, 제2 클립 데이터 내 제2 객체를 제1 조건에 따라 추출한 후, 추출된 제2 객체를 확장된 제1 클립 데이터에 제2 조건에 따라 합성할 수 있다. 본 발명에 따르면, AI 모델은 화면 상에 다수의 객체가 존재하는 복잡한 상황에서도 정확하게 객체를 인식할 수 있다. 이를 통해 모델은 다양한 객체들이 동시에 등장하는 복잡한 장면에서도 높은 인식 성능을 발휘할 수 있다.
본 발명은 객체 추적 방법에 관한 것으로, 본 발명의 일 실시예에 따른 컴퓨터 장치에서 수행되는 객체 검출 방법에 있어서, 객체 검출 모듈이 영상 데이터를 입력받고, 제1 상태에서 입력된 영상 데이터 내 객체를 검출하며, 객체가 검출되면 검출 모듈의 상태를 제2 상태로 전환할 수 있다. 제2 상태에서는 검출된 객체가 미리 결정된 기준 시간 동안 검출되는지 여부를 판단하며, 기준 시간 동안 객체가 재검출되지 않는 경우 검출 모듈의 상태를 제1 상태로 전환할 수 있다. 본 발명에 따르면 객체의 크기와 속도, 그리고 시스템이 처리할 수 있는 영상 프레임 간격을 동시에 고려하여, 객체가 화면에서 사라지거나 위치가 빠르게 변화하는 경우에도 추적을 성공적으로 이어갈 수 있도록 할 수 있다
본 발명은 학습을 위한 클립 데이터를 생성하는 방법에 관한 것이다. 본 발명의 일 실시예에 따른 컴퓨터 장치에서 수행되는 학습 클립의 생성 방법은 연속하여 입력된 클립 데이터 중 시작 프레임을 결정하고, 복수의 난수를 미리 결정된 갯수로 생성하며, 시작 프레임으로부터 생성된 난수에 따른 간격을 갖는 후속 프레임들을 추출하여, 시작 프레임 및 후속 프레임으로 학습 클립을 구성할 수 있다. 본 발명에 따르면, 학습 데이터에서 객체가 움직이는 속도를 보다 일반화된 방식으로 학습할 수 있도록 함으로써, 행동 인식 모델의 성능을 향상시킬 수 있다.
본 발명은 분산 컴퓨팅을 이용한 작업 처리 방법에 관한 것이다. 본 발명의 일 실시예에 따른 컴퓨터 장치에서 수행되는 작업 처리 방법은 작업에 대한 작업량 정보를 추출하고, 이를 바탕으로 특정 단위 컴퓨터에 작업을 분산 배분하며, 단위 컴퓨터의 기여 정도를 산출하고, 그 증명을 통해 작업량의 무결성을 유지할 수 있다. 본 발명에 따르면 매개변수가 매우 큰 초거대 인공지능의 개발이 가능하다. 연산 부하를 분산하고 다수의 유휴 컴퓨팅 자원을 결합하여 하나의 거대한 가상 메모리를 생성함으로써, 매개변수가 큰 초거대 인공지능 및 그 이상의 인공지능 모델에 대한 처리가 가능해질 수 있다.
본 발명은 컴퓨팅 장치에서 수행되는 실시간 인식 방법으로, 실시간 영상에서 특징맵 출력 모델을 통해 실시간 영상 내 프레임별로 특징맵을 출력하는 단계, 출력된 특징맵을 시계열 순으로 연결하여 연결 특징맵을 생성하는 단계, 생성된 연결 특징맵을 특정 크기의 패치들로 분할하는 단계, 제1 인공 신경망 모델을 통해 분할된 패치들에서 제1 추론값을 출력하는 단계, 제2 인공 신경망 모델을 이용하여 프레임별로 출력된 특징맵에서 제2 추론값을 출력하는 단계, 제1 추론값 및 제2 추론값을 기초로 실시간 영상을 인식하는 단계를 포함할 수 있다.
본 발명은 웨어러블 디바이스의 관성 센서 데이터와 사용자 인터렉션 정보를 이용하여 사용자의 움직임을 추정하는 방법 및 컴퓨터 시스템에 관한 것이다. 본 발명의 일 실시 예에 따른 컴퓨팅 장치에서 수행되는 사용자 움직임 추정 방법은, 적어도 하나의 웨어러블 디바이스로부터 관성 센서 데이터를 수신하는 단계; 상기 수신한 관성 센서 데이터를 이용하여 상기 웨어러블 디바이스와 대응하는 목적 대상의 위치 또는 방향 중 적어도 어느 하나를 산출하는 단계; 입출력 장치를 이용하여 입력된 사용자의 제1 인터렉션 정보 수신하는 단계; 및 상기 사용자의 제1 인터렉션 정보를 이용하여 상기 목적 대상의 상기 산출된 위치 또는 방향 중 적어도 어느 하나를 보정하는 단계;를 포함할 수 있다.
본 발명은 기능 블록 동작 주파수 제어 방법에 관한 것이다. 본 발명의 일 실시 예에 따른 컴퓨팅 장치에서 수행되는 주파수 제어 방법은 작업의 유형을 정의하는 작업 유형 코드에 따라 상기 기능 블록에 제공되는 주파수 정보를 결정하는 단계; 상기 결정된 주파수 정보에 따른 상기 기능 블록의 작업 완료 정보를 획득하는 단계; 및 상기 작업 완료 정보와 기준 정보를 비교하여 상기 작업 유형 코드에 따른 상기 주파수 정보를 갱신하는 단계를 포함한다. 본 발명에 따르면, 작업 및 에너지 효율성을 높이기 위해 각 작업의 요구 사항에 맞춰 정밀하게 클럭 속도를 조절할 수 있다.
본 발명은 카메라의 추가 없이 기존 카메라를 이용하여 카메라 영상 프레임을 증가하는 방법 및 컴퓨터 시스템에 관한 것이다. 본 발명의 일 실시 예에 따른 컴퓨팅 시스템에서 수행되는 카메라 영상 프레임 증가 방법은, 둘 이상의 카메라에서 촬영되는 영상을 처리하는 방법에 있어서, 제1 카메라에서 촬영된 영상인 제1 영상 및 상기 제2 카메라에서 촬영된 영상인 제2 영상을 수신하는 단계; 및 상기 제1 영상에서 특정 주기인 T1 주기로 샘플링하고, 상기 제2 영상에서 샘플링 하되, 상기 제2 영상의 샘플링 시점은 상기 제1 영상의 샘플링 시점과 다르도록 샘플링하는 단계를 포함할 수 있다.
본 발명은 프로세서의 스켈레톤 기반 행동 인식 방법은 객체의 행동을 촬영한 행동 영상을 획득하는 단계, 행동 영상에서 객체를 행동을 트래킹하여 해당 객체의 시간적 특성이 반영된 제1 분류 데이터를 생성하는 단계, 행동 영상에서 인식 대상이 되는 객체와 인식 대상 외의 객체를 구분하여 인식 대상이 되는 객체의 공간적 특성이 반영된 제2 분류 데이터를 생성하는 단계, 제1 분류 데이터와 제2 분류 데이터를 기초로 객체의 행동을 인식하는 단계를 포함할 수 있다.
본 발명은 컴퓨팅 장치에서 수행되는 데이터베이스의 쿼리 정보 처리 방법에 있어서, 클라이언트로부터 요청된 쿼리 정보를 식별하는 단계; 상기 쿼리 정보에 대응하여, 완전 동형 암호화 데이터베이스로부터 초기 검색 결과 데이터를 획득하는 단계; 상기 초기 검색 결과 데이터에 대응하여, 유한 확장 필드 기반 그룹핑 연산을 수행하는 단계; 및 상기 그룹핑 연산된 검색 결과 데이터를 상기 클라이언트로 제공하는 단계를 포함한다.
본 발명은 컴퓨팅 장치에서 수행되는 데이터베이스의 쿼리 정보 처리 방법에 있어서, 완전 동형 암호화된 정형 데이터베이스에 대응하는 평문 인덱스를 사전 구축하는 단계; 상기 평문 인덱스를 동형 암호화하여 암호화 인덱스를 생성하는 단계; 클라이언트로부터 요청된 쿼리 정보를 식별하는 단계; 상기 쿼리 정보에 대응하여, 상기 암호화 인덱스를 색인하는 단계; 상기 암호화 인덱스에 의해 색인된 결과 값에 대응하는 동형 연산을 통해, 검색 결과 데이터를 획득하는 단계; 및 상기 검색 결과 데이터를 상기 클라이언트로 제공하는 단계를 포함한다.
본 발명은 동형 암호의 연산 방법에 관한 것으로, 본 발명의 일 실시 예에 따른 컴퓨팅 장치에서 수행되는 컴퓨팅 장치에서 수행되는 병렬 동형 암호 연산 방법에 있어서, 동형 암호 기능을 위한 암호문의 연산을 구성하는 복수의 단위 연산 간의 읽기 및 쓰기의 종속성을 판단하는 단계; 상기 종속성에 따라 제1 연산기 상에서 수행되고 있는 상기 단위 연산 중 종속되지 않는 적어도 일부의 단위 연산을 제2 연산기 상에서 수행하도록 연산을 스케줄링하는 단계; 및 상기 스케줄링에 따라 제1 및 제2 연산기를 통해 병렬 수행된 암호문의 연산 결과를 출력하는 단계를 포함한다. 본 발명에 따르면, 병렬 연산을 통해 완전동형암호의 수행 속도를 높일 수 있으며 연산 리소스의 이용 효율을 높일 수 있다.
본 발명은 프로세서의 안전 고리 체결 모니터링 방법으로써, 헬멧에 설치된 카메라부터 작업자의 안전 고리와 안전 고리가 체결되는 안전 수단이 포함된 현장 이미지를 수신하는 단계 및 기 학습된 신경망 모델을 이용하여 수신된 현장 이미지 내 작업자의 안전 고리와 안전 수단 사이의 체결 상태를 판단하는 단계를 포함할 수 있다.
본 발명은 프로세서의 스켈레톤 기반 행동 인식 방법은 복수의 객체들의 행동을 촬영한 행동 영상을 획득하는 단계, 획득된 행동 영상 내 객체를 인식하여 트래킹하는 단계, 트래킹을 통해 획득된 객체 정보를 기초로 행동 영상 내 객체 별로 인스턴트를 생성하는 단계, 기 학습된 행동 분류 모델을 이용하여 인스턴트를 분류하는 단계 및 분류 결과를 기초로 행동 영상 내 객체 별 행동을 인식하는 단계를 포함할 수 있다.
본 발명은 프로세서의 상대 속도를 고려한 광학 흐름(optical flow) 산출 방법으로써, 이동체의 주행에 따라 이동체 주변을 촬영한 주행 이미지들을 획득하는 단계, 이동체의 주행에 따른 카메라의 이동 속도 데이터를 획득하는 단계, 카메라의 이동 속도 데이터를 기초로 주행 이미지 내 광학 흐름을 산출하는 단계를 포함할 수 있다.
본 발명은 프로세서의 거리 데이터 산출 방법은 카메라로부터 적어도 하나의 표준 객체가 포함된 제1 영상을 수신하는 단계, 수신된 제1 영상 내 표준 객체를 인식하여 제1 인식 데이터를 획득하는 단계, 카메라를 소정 각도로 회전되도록 제어하는 단계, 소정 각도로 회전된 카메라로부터 적어도 하나의 표준 객체가 포함된 제2 영상을 수신하는 단계, 수신된 제2 영상 내 표준 객체를 인식하여 제2 인식 데이터를 획득하는 단계 및 제1 인식 데이터 및 제2 인식 데이터를 이용하여 표준 객체와 상기 카메라 사이의 거리 데이터를 산출하는 단계를 포함할 수 있다.
본 발명의 예시적인 실시예들에 따른 증강현실 기술을 이용한 AR 객체의 제어 방법은 3차원 공간 이미지 또는 영상을 감지하는 단계, 상기 감지된 3차원 공간 상에 AR 객체를 디스플레이하는 단계, 상기 3차원 공간 내에 배치된 적어도 하나 이상의 현실 객체를 감지하는 단계, 상기 적어도 하나 이상의 현실 객체 중에서 상기 AR 객체의 조정에 사용될 제어용 객체를 선정하는 단계, 상기 제어용 객체와의 연동을 통해 상기 AR 객체를 조정하는 단계, 및 상기 조정된 AR 객체를 재구성하는 단계를 포함할 수 있으며, 상기 AR 객체의 조정 단계는 상기 제어용 객체의 크기 정보, 위치 정보 및 자세 정보가 조정되면, 이에 대응하여 상기 AR 객체의 크기 정보, 위치 정보 및 자세 정보가 조정됨으로써 수행될 수 있다.
본 발명은 차량에 구비된 카메라에서 촬영된 영상을 래스터 스캔(Raster scan)하여 신호등의 위치를 검출하여 신호를 식별하는 차량의 신호등 식별 방법 및 장치에 관한 것이다. 본 발명의 예시적인 실시예에 따른 차량의 신호등 식별 방법은, 차량의 운행 중 차량의 정지를 감지하는 단계와 차량이 정지한 뒤 카메라를 통해 제1 화면을 입력받는 단계와 상기 제1 화면을 래스터 스캔(Raster scan)하여 신호등이 존재하는 제2 화면을 검출하는 신호등 영역 검출 단계와 상기 제2 화면에서 상기 신호등을 기준으로 확대한 제3 화면을 검출하는 단계 및 상기 제3 화면을 기준으로 신호를 식별하는 단계를 포함할 수 있다.
본 발명의 예시적인 실시예는 차량의 탑승자를 감지한 뒤 차량 내부의 환경에 따라 차량의 창문을 개폐하는 제어장치 및 제어방법에 관한 것으로써, 차량 내부의 탑승자를 감지하는 감지 모듈과 차량 내부의 환경을 측정하는 센서 모듈과 차량의 내부 공간을 개방하거나 폐쇄하는 개폐 모듈 및 제어부를 포함하고, 상기 제어부는, 상기 감지 모듈을 통해 감지된 탑승자의 유무 또는 탑승자의 수에 기반하여 기준범위를 설정하고, 상기 센서 모듈을 통해 측정된 차량 내부의 환경을 상기 기준범위와 비교하여 상기 개폐 모듈을 통해 차량의 내부 공간을 개방하거나 폐쇄하는 것을 특징으로 할 수 있다.
본 발명은 동형 암호의 연산 방법에 관한 것으로, 본 발명의 일 실시 예에 따른 컴퓨팅 장치에서 수행되는 컴퓨팅 장치에서 수행되는 병렬 동형 암호 연산 방법에 있어서, 동형 암호 기능을 위한 암호문의 연산을 구성하는 복수의 단위 연산 간의 읽기 및 쓰기의 종속성을 판단하는 단계; 상기 종속성에 따라 제1 연산기 상에서 수행되고 있는 상기 단위 연산 중 종속되지 않는 적어도 일부의 단위 연산을 제2 연산기 상에서 수행하도록 연산을 스케줄링하는 단계; 및 상기 스케줄링에 따라 제1 및 제2 연산기를 통해 병렬 수행된 암호문의 연산 결과를 출력하는 단계를 포함한다. 본 발명에 따르면, 병렬 연산을 통해 완전동형암호의 수행 속도를 높일 수 있으며 연산 리소스의 이용 효율을 높일 수 있다.
본 개시는 제스쳐/동작 인식을 지원하는 다수사용자용 영상/음성 인포테인먼트 시스템에서 탑승자 음성 수신의 정확도를 높이는 방법 또는 장치에 관한 것이다.
본 개시는 증강현실을 활용한 생활 경보음 시각적 표시 장치에 관한 것이다.
본 개시는 주소 공간이 다르기 때문에 지금 현재의 인터커넥트는 위 테이블에 있는 6개의 코어에 프로그램하기 위해서는 다음 6번의 이상의 트랜잭션이 일어나야 한다. 즉, 1번코어 프로그래밍, 2번코어 프로그래밍, 3번코어 프로그램밍 등의 순서로 이루어진다. 그런데, 동일한 구조의 코어로 만들어져 있거나, GPR 혹은 SPR 등이 같은 정보를 공유한다면 6번의 같은 동작을 하게 된다. 더욱이 코어가 256개 혹은 그 이상이 되면 이 동작은 버스 자원을 낭비하게 된다. 이를 해결하기 위해서 버스의 채널에 OPCODE를 추가함으로써 이를 해결하고자 하는 임베디드 오피코드를 이용한 효율적인 시스템온칩 인터커넥션에 관한 것이다.
본 개시는 작업자가 착용한 안전 벨트 또는 재킷에 구비된 홀더에 결합되는 지능형 안전 고리에 있어서, 후크 몸체; 후크 몸체에 회동가능하도록 결합된 개폐식 레버; 후크 몸체와 개폐식 레버가 형성하는 내부 공간에 구비되며, 홀더의 존재를 확인하는 홀더 확인 센서; 그리고, 후크 몸체 및 개폐식 레버에 이루어진 지능형 안전 고리의 측면에 구비되며, 지능형 안전 고리가 작업자에게 부착되어 있는지를 확인하는 적어도 하나의 작업자 부착 확인 센서;를 포함하는 지능형 안전 고리에 관한 것이다.
본 개시는 안전 고리의 지능형 모니터 방법에 있어서, 2개의 안전 고리와 이들을 연결하는 안전 라인으로 이루어진 안전 고리 장치를 이용하여 작업자와 홀더를 연결하는 단계; 복수의 카메라를 이용하여 안전 라인의 형태를 담은 이미지를 획득하는 단계; 그리고, 획득된 이미지 상에서 안전 라인의 형태를 판독하여 안전 고리 장치가 작업자와 홀더를 연결하고 있는지를 판단하는 단계;를 포함하는 안전 고리의 지능형 모니터 방법에 관한 것이다.
본 개시는 데이지 체인으로 연결된 멀티칩 시스템에서 정보 접근 방법에 있어서, 멀티칩 시스템은 호스트와 복수의 칩을 구비하며, 복수의 칩 각각이 호스트가 요구하는 정보를 얻기 위해 동작하는 단계; 그리고, 호스트가 요구하는 정보를 얻은 칩이 호스트로 이 정보를 보내는 단계;를 포함하며, 정보를 보내는 단계에서, 복수의 칩 중 이 정보를 얻는 칩은 호스트로부터의 요청이 있는 때에 데이지 체인에서 후속하는 칩의 통신을 비활성화하고, 이 정보를 호스트로 보내는, 데이지 체인으로 연결된 멀티칩 시스템에서 정보 접근 방법에 관한 것이다.
본 개시는 디스플레이를 포함한 이동 단말기를 사용하여 통신이 가능한 전자기기를 제어하는 방법에 있어서, 전자기기를 제어하는 사용자 인터페이스 이미지의 전송을 요청하는 단계; 전자기기를 제어하는 사용자 인터페이스 이미지를 수신하는 단계; 이동 단말기에 수신된 사용자 인터페이스 이미지를 이동 단말기의 디스플레이에 표시하는 단계; 이동 단말기의 디스플레이에 표시된 사용자 인터페이스 이미지를 사용하여 입력한 입력 신호에 대응하는 입력 데이터를 생성하는 단계; 그리고, 입력 데이터를 전자기기에 전송하는 단계;를 포함하는 것을 특징으로 하는 이동 단말기를 사용하여 전자기기를 제어하는 방법에 대한 것이다.
KIPO KIPRIS · checked 2026-10-15 · newest filings first · right: registration date (filing date if not yet registered) · 46 of 46 · titles and abstracts are in Korean as filed · click a row for details ▾
For now we hold public records only (National Pension Service · DART filings · patents · registers · press). When the company files material in our IR Room, it moves to L1. We do not score or rate companies — we only state how far we have checked.
| KRW bn | 2024 | 2025 |
|---|---|---|
| Revenue | 17.5 | 4.3 |
| Cost of sales | 13.4 | 5.1 |
| Gross profit (loss) | 4.1 | (0.8) |
| Selling, general and administrative expenses | 5.3 | 19.6 |
| Operating income (loss) | (1.2) | (20.4) |
| Non-operating income | 1.1 | 1.1 |
| Other gains | 0.0 | 0.0 |
| Finance income | 1.1 | 1.0 |
| Non-operating expenses | 1.2 | 16.2 |
| Other losses | 0.0 | 0.0 |
| Finance costs | 1.2 | 16.2 |
| Profit (loss) before tax | (1.3) | (35.6) |
| Net income (loss) | (1.3) | (35.6) |
Revenue ₩4.3bn, down 75.6% YoY.
Operating margin -476.9% (prior -7.1%).
Net income ₩-35.6bn.
Need more than is shown here? Ask for more information — full review report · valuation · executive teaser · IM · competitor analysis · due diligence. Tell us what you need and we will reply by email with scope, cost and timing.
Is this your company?
If anything here is wrong, tell us — we check it against the original and correct it. You do not need to join. If you would like your financials verified and this page completed, that is a separate process.
Headlines and links to public articles only · not checked by us (original ↗) · articles are in Korean — English headlines are our translation; where none is shown, “Read in English ›” opens a machine translation · “Broker view” is a forecast, not reported results · checked 2026-11-08