KR102203320B1 - Learning dataset providing system based on artificial intelligence - Google Patents

Learning dataset providing system based on artificial intelligence Download PDF

Info

Publication number
KR102203320B1
KR102203320B1 KR1020180115262A KR20180115262A KR102203320B1 KR 102203320 B1 KR102203320 B1 KR 102203320B1 KR 1020180115262 A KR1020180115262 A KR 1020180115262A KR 20180115262 A KR20180115262 A KR 20180115262A KR 102203320 B1 KR102203320 B1 KR 102203320B1
Authority
KR
South Korea
Prior art keywords
image data
inspector
terminal
worker
module
Prior art date
Application number
KR1020180115262A
Other languages
Korean (ko)
Other versions
KR20200039035A (en
Inventor
김민철
이준호
Original Assignee
주식회사 스위트케이
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 스위트케이 filed Critical 주식회사 스위트케이
Priority to KR1020180115262A priority Critical patent/KR102203320B1/en
Publication of KR20200039035A publication Critical patent/KR20200039035A/en
Application granted granted Critical
Publication of KR102203320B1 publication Critical patent/KR102203320B1/en

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 인공지능 기반의 학습데이터셋 제공 시스템에 관한 것으로, 본 발명은 사용자 단말; 상기 사용자 단말의 사용자와, 해당 사용자의 권한을 관리하는 관리자 단말; 및 상기 사용자 단말 및 관리자 단말과 각각 유무선 통신망을 통해 서로 연결되고, 이미지 데이터를 수집하여 해당 이미지 데이터에 포함된 객체별 영역을 지정하여 각각의 객체가 구분지어진 학습 이미지 데이터를 생성하는 학습데이터 제공서버;를 포함하는 것을 특징으로 한다.The present invention relates to an artificial intelligence-based learning data set providing system, the present invention is a user terminal; An administrator terminal for managing the user of the user terminal and the authority of the user; And a learning data providing server that is connected to each other through a wired/wireless communication network with the user terminal and the manager terminal, and collects image data and designates an object-specific area included in the image data to generate learning image data that separates each object. It characterized in that it includes;

Description

인공지능 기반의 학습데이터셋 제공 시스템{LEARNING DATASET PROVIDING SYSTEM BASED ON ARTIFICIAL INTELLIGENCE}Artificial intelligence-based learning data set provision system {LEARNING DATASET PROVIDING SYSTEM BASED ON ARTIFICIAL INTELLIGENCE}

본 발명의 실시예는 인공지능 기반의 학습데이터셋 제공 시스템에 관한 것이다.An embodiment of the present invention relates to an artificial intelligence-based learning data set providing system.

기계 학습(machine learning)은 인공 지능의 한 분야로, 컴퓨터에 미리 준비된 학습데이터를 훈련시킴으로써 훈련된 지식을 기반으로 새로운 입력에 대하여 적절한 해답을 찾는 과정이다.Machine learning is a field of artificial intelligence, which is the process of finding an appropriate answer to a new input based on the trained knowledge by training pre-prepared learning data on a computer.

또한, 객체 검출(object detection)은 이미지상에서 특정 객체의 위치와 종류를 구별해내는 것으로, 객체 검출에 기계 학습을 이용하기 위해서는 질문과 정답이 모두 주어진 레이블된 학습데이터가 필요하다.In addition, object detection distinguishes the location and type of a specific object on an image, and in order to use machine learning for object detection, labeled learning data given both a question and a correct answer is required.

즉, 기계 학습을 기반으로 객체 검출을 하는 경우, 특징 추출 및 학습 알고리즘과 함께 중요한 것이 레이블된 학습데이터의 수집에 있으며, 레이블된 학습데이터가 많이 제공되면 될수록, 학습은 더 효과적으로 진행될 수 있다.That is, in the case of object detection based on machine learning, the important thing along with feature extraction and learning algorithm is the collection of labeled learning data, and the more labeled learning data is provided, the more effectively learning can proceed.

다만, 수천에서 수만 건의 방대한 양의 레이블된 학습데이터를 생성하는 것을 어려운 실정이다.However, it is difficult to generate a vast amount of labeled training data from thousands to tens of thousands.

대한민국 등록특허공보 제10-1879735호(2018.07.12.)Korean Registered Patent Publication No. 10-1879735 (July 12, 2018)

본 발명은 이미지 데이터에 포함된 객체별 영역을 지정하여 인공지능의 학습데이터를 생성할 수 있는 인공지능 기반의 학습데이터셋 제공 시스템을 제공하는 것을 목적으로 한다.An object of the present invention is to provide an artificial intelligence-based learning data set providing system capable of generating artificial intelligence learning data by designating an object-specific area included in image data.

또한, 본 발명은 객체에 대한 특정 검색 조건과 매칭되는 학습데이터를 인공지능에 제공하여 학습시킴으로써 인공지능으로 하여금 새로운 데이터를 생성하도록 할 수 있는 인공지능 기반의 학습데이터셋 제공 시스템을 제공하는 것을 목적으로 한다.In addition, an object of the present invention is to provide an artificial intelligence-based learning data set providing system capable of allowing the artificial intelligence to generate new data by providing and learning learning data matching a specific search condition for an object. To do.

상기한 바와 같은 목적을 달성하기 위한 본 발명에 따른 인공지능 기반의 학습데이터셋 제공 시스템은 사용자 단말; 상기 사용자 단말의 사용자와, 해당 사용자의 권한을 관리하는 관리자 단말; 및 상기 사용자 단말 및 관리자 단말과 각각 유무선 통신망을 통해 서로 연결되고, 이미지 데이터를 수집하여 해당 이미지 데이터에 포함된 객체별 영역을 지정하여 각각의 객체가 구분지어진 학습 이미지 데이터를 생성하는 학습데이터 제공서버;를 포함하고, 상기 사용자 단말은, 상기 학습데이터 제공서버에 접속하여 상기 이미지 데이터에 포함된 객체별 영역을 지정하는 작업자 단말; 상기 학습데이터 제공서버에 접속하여 상기 작업자 단말이 지정한 상기 이미지 데이터의 객체별 영역을 검수하는 검수자 단말; 및 상기 학습데이터 제공서버에 접속하여 검색툴을 통해 인공지능에 제공할 학습 이미지 데이터를 검색하여 제공받는 검색자 단말;을 포함하며, 상기 검수자 단말은, 상기 작업자 단말이 지정한 상기 이미지 데이터의 객체별 영역을 검수하여 작업자 단말에 반려하거나 승인하는 제1 검수자 단말; 및 상기 제1 검수자 단말이 승인한 상기 이미지 데이터의 객체별 영역을 검수하여 제1 검수자 단말에 반려하거나 승인하는 제2 검수자 단말;을 포함하고, 상기 관리자 단말은, 상기 이미지 데이터와, 해당 이미지 데이터의 항목을 더 관리하는 것을 특징으로 한다.An artificial intelligence-based learning data set providing system according to the present invention for achieving the above object includes a user terminal; An administrator terminal for managing the user of the user terminal and the authority of the user; And a learning data providing server that is connected to each other through a wired/wireless communication network with the user terminal and the manager terminal, and collects image data and designates an object-specific area included in the image data to generate learning image data that separates each object. Including;, wherein the user terminal, a worker terminal for accessing the learning data providing server to designate an area for each object included in the image data; An inspector terminal accessing the learning data providing server to inspect an object-specific area of the image data designated by the worker terminal; And a searcher terminal connected to the learning data providing server to search for and receive learning image data to be provided to artificial intelligence through a search tool, wherein the inspector terminal comprises, for each object of the image data designated by the worker terminal A first inspector terminal that inspects the area and rejects or approves the operator terminal; And a second inspector terminal that rejects or approves the first inspector terminal by inspecting the object-specific area of the image data approved by the first inspector terminal, wherein the manager terminal includes the image data and the corresponding image data It is characterized by more managing the items of.

또한, 상기 학습데이터 제공서버는, 작업자, 검수자 및 검색자의 회원 정보를 각각 등록하여 회원 인증하는 회원 등록부; 상기 이미지 데이터를 수집한 후, 해당 이미지 데이터에 포함된 객체별 영역을 지정하여 인공지능이 학습할 이미지 데이터로 각각의 객체가 구분지어진 학습 이미지 데이터를 생성하는 학습데이터 생성부; 상기 이미지 데이터, 이미지 데이터의 항목, 사용자 단말의 사용자 및 사용자의 권한을 각각 관리하는 데이터 관리부; 및 상기 학습 이미지 데이터의 검색툴을 제공하여 검색결과에 따른 인공지능이 학습할 학습 이미지 데이터를 제공하는 학습데이터 검출부;를 포함할 수 있다.In addition, the learning data providing server includes a member registration unit for registering member information of a worker, an inspector, and a searcher, respectively, to authenticate a member; After collecting the image data, a learning data generation unit that designates an area for each object included in the corresponding image data to generate training image data in which each object is classified as image data to be learned by the artificial intelligence; A data management unit that manages the image data, items of image data, a user of a user terminal, and a user's authority, respectively; And a learning data detection unit that provides a search tool for the learning image data to provide learning image data to be learned by the artificial intelligence according to the search result.

또한, 상기 회원 등록부는, 상기 작업자의 회원 정보를 등록하여 회원 인증하는 작업자 회원 관리부; 상기 검수자의 회원 정보를 등록하여 회원 인증하는 검수자 회원 관리부; 및 상기 검색자의 회원 정보를 등록하여 회원 인증하는 검색자 회원 관리부;를 포함하고, 상기 작업자 회원 관리부는, 상기 작업자의 회원 정보를 등록하는 작업자 회원 등록모듈; 상기 작업자의 회원 정보를 인증하는 작업자 회원 인증모듈; 및 상기 작업자 중 회원 인증된 작업자에게 상기 학습데이터 제공서버의 접속을 허용하는 작업자 접속 허용모듈;을 포함하며, 상기 검수자 회원 관리부는, 상기 검수자의 회원 정보를 등록하는 검수자 회원 등록모듈; 상기 검수자의 회원 정보를 인증하는 검수자 회원 인증모듈; 및 상기 검수자 중 회원 인증된 검수자에게 상기 학습데이터 제공서버의 접속을 허용하는 검수자 접속 허용모듈;을 포함하고, 상기 검색자 회원 관리부는, 상기 검색자의 회원 정보를 등록하는 검색자 회원 등록모듈; 상기 검색자의 회원 정보를 인증하는 검색자 회원 인증모듈; 및 상기 검색자 중 회원 인증된 검색자에게 상기 학습데이터 제공서버의 접속을 허용하는 검색자 접속 허용모듈;을 포함할 수 있다.In addition, the member registration unit, a worker member management unit for registering the member information of the worker to authenticate the member; An inspector member management unit for registering member information of the inspector to authenticate a member; And a searcher member management unit for registering member information of the searcher to authenticate a member, wherein the worker member management unit includes: a worker member registration module for registering member information of the worker; A worker member authentication module for authenticating member information of the worker; And a worker access permission module allowing access to the learning data providing server to a member of the worker who has been authenticated as a member, wherein the examiner member management unit includes: an examiner member registration module for registering member information of the examiner; An inspector member authentication module for authenticating the inspector's member information; And an inspector access permission module for allowing access to the learning data providing server to a member-authenticated inspector among the inspectors, wherein the searcher member management unit comprises: a searcher member registration module for registering member information of the searcher; A searcher member authentication module for authenticating member information of the searcher; And a searcher access permission module for allowing access to the learning data providing server to a searcher who has been authenticated as a member among the searchers.

또한, 상기 학습데이터 생성부는, 이미지 데이터를 수집한 후 특정 객체 조건을 만족하는 이미지 데이터만을 분류하여 획득하는 이미지 데이터 획득부; 상기 이미지 데이터 획득부에서 획득된 이미지 데이터에 포함된 객체별 영역을 지정하는 객체 영역 지정부; 상기 객체 영역 지정부에서 지정된 이미지 데이터의 객체별 영역을 검수하는 객체 영역 검수부; 및 상기 객체 영역 검수부에서 검수한 객체별 영역을 승인하는 경우 해당 이미지 데이터를 학습 이미지 데이터로 생성하는 학습이미지 데이터 생성부;를 포함할 수 있다.In addition, the learning data generation unit may include an image data acquisition unit that collects image data and then classifies and acquires only image data that satisfies a specific object condition; An object area designation unit that designates an area for each object included in the image data acquired by the image data acquisition unit; An object area inspection unit that inspects an object-specific area of the image data designated by the object area designation unit; And a learning image data generation unit that generates corresponding image data as training image data when the object area inspection unit approves the area for each object.

또한, 상기 이미지 데이터 획득부는, 웹 사이트에서 특정 키워드를 이용하여 특정 이미지 데이터를 수집하는 이미지 데이터 수집모듈; 상기 이미지 데이터 수집모듈에서 수집된 이미지 데이터 중 특정 객체 조건을 만족하는 이미지 데이터만을 필터링하여 이미지 데이터를 분류하는 이미지 데이터 분류모듈; 상기 이미지 데이터 분류모듈에서 분류된 이미지 데이터를 임시 저장하는 이미지 데이터 저장모듈; 및 상기 이미지 데이터 분류모듈에서 분류된 이미지 데이터의 메타 데이터를 생성하는 메타 데이터 생성모듈;을 포함할 수 있다.In addition, the image data acquisition unit may include an image data collection module for collecting specific image data using a specific keyword on a website; An image data classification module for classifying image data by filtering only image data satisfying a specific object condition among image data collected by the image data collection module; An image data storage module temporarily storing the image data classified by the image data classification module; And a metadata generation module that generates metadata of image data classified by the image data classification module.

또한, 상기 객체 영역 지정부는, 상기 이미지 데이터 중 객체 영역을 지정할 이미지 데이터 리스트를 작업자 단말에 표시하되, 상기 작업자 단말이 상기 이미지 데이터 리스트 중 특정 이미지 데이터를 선택하는 경우, 해당 이미지 데이터의 객체별 영역을 지정하는 툴을 제공할 수 있다.In addition, the object area designation unit displays an image data list to designate an object area among the image data on the operator terminal, and when the operator terminal selects specific image data from the image data list, an object-specific area of the image data You can provide a tool to specify.

또한, 상기 객체 영역 검수부는, 상기 작업자 단말이 지정한 상기 이미지 데이터의 객체별 영역을 검수하는 제1 검수자 검수모듈; 및 상기 제1 검수자 단말이 승인한 상기 이미지 데이터의 객체별 영역을 검수하는 제2 검수자 검수모듈;을 포함할 수 있다.In addition, the object area inspection unit may include: a first inspector inspection module for inspecting an object-specific area of the image data designated by the operator terminal; And a second inspector inspection module for inspecting an object-specific area of the image data approved by the first inspector terminal.

또한, 상기 제1 검수자 검수모듈은, 작업자 리스트를 제1 검수자 단말에 표시하되, 상기 제1 검수자 단말이 상기 작업자 리스트 중 특정 작업자를 선택하는 경우, 해당 작업자의 작업 이미지 리스트를 표시하고, 상기 제1 검수자 단말이 상기 작업 이미지 리스트 중 특정 작업 이미지를 선택하는 경우, 해당 작업 이미지의 객체별 영역을 확인하는 툴을 제공할 수 있다.Further, the first inspector inspection module displays a list of workers on the first inspector terminal, and when the first inspector terminal selects a specific worker from the worker list, displays a list of work images of the corresponding worker, and 1 When the inspector terminal selects a specific work image from the work image list, a tool for checking an object-specific area of the work image may be provided.

또한, 상기 제2 검수자 검수모듈은, 작업자 리스트를 제2 검수자 단말에 표시하되, 상기 제2 검수자 단말이 상기 작업자 리스트 중 특정 작업자를 선택하는 경우, 해당 작업자의 제1 검수자 단말에 의해 검수가 완료된 작업 이미지 리스트를 표시하고, 상기 제2 검수자 단말이 상기 작업 이미지 리스트 중 특정 작업 이미지를 선택하는 경우, 해당 작업 이미지의 객체별 영역을 확인하는 툴을 제공할 수 있다.In addition, the second inspector inspection module displays a list of workers on the second inspector terminal, and when the second inspector terminal selects a specific worker from the worker list, the inspection is completed by the first inspector terminal of the worker. When a work image list is displayed and the second inspector terminal selects a specific work image from the work image list, a tool for checking an object-specific area of the work image may be provided.

또한, 상기 학습이미지 데이터 생성부는, 상기 제2 검수자 단말이 상기 작업자 리스트 중 특정 작업자의 특정 작업 이미지의 객체별 영역을 확인하여 해당 객체별 영역을 최종승인하는 경우, 해당 영역의 점좌표 기준의 마스크 파일인 학습 이미지 데이터를 생성할 수 있다.In addition, when the second inspector terminal checks an object-specific area of a specific work image of a specific worker in the worker list and finally approves the area for each object, the learning image data generation unit may You can create training image data that is a file.

또한, 상기 데이터 관리부는, 상기 이미지 데이터가 최종 저장될 폴더를 등록하여 해당 폴더에 이미지 데이터를 업로드하여 저장하고, 해당 이미지 데이터의 객체별 영역을 지정하기 위해 이미지 데이터를 작업자 단말에 배정하는 이미지 데이터 관리부; 상기 이미지 데이터의 항목인 이미지 타입, 해당 이미지 타입에 해당하는 객체수 및 메타수를 각각 관리하는 항목 관리부; 상기 학습데이터 제공서버에 접속하는 사용자의 사용자 정보를 기초로 해당 사용자를 등록 및 삭제하거나, 기등록된 사용자의 사용자 정보를 수정하여 관리하는 사용자 관리부; 및 상기 사용자의 권한을 등록하여 해당 사용자를 작업자, 검수자 및 검색자로 구분한 후 각각의 사용자에게 매칭되는 권한을 부여하는 권한 관리부;를 포함할 수 있다.In addition, the data management unit registers a folder in which the image data is to be finally stored, uploads and stores image data in the folder, and assigns image data to a worker terminal to designate an object-specific area of the image data. Management; An item management unit for managing an image type, which is an item of the image data, an object number and a meta number corresponding to the image type, respectively; A user management unit that registers and deletes a corresponding user based on user information of a user accessing the learning data providing server, or modifies and manages user information of a previously registered user; And an authority management unit that registers the user's authority to classify the user into an operator, an inspector, and a searcher, and then grants matching authority to each user.

또한, 상기 이미지 데이터 관리부는, 상기 폴더를 등록하여 이미지 데이터를 해당 폴더에 업로드하는 데이터 업로드모듈; 및 상기 폴더에 업로드된 특정 이미지 데이터를 특정 작업자 단말에 배정하는 데이터 배정모듈;을 포함할 수 있다.In addition, the image data management unit may include a data upload module for registering the folder and uploading image data to the folder; And a data allocation module for allocating specific image data uploaded to the folder to a specific worker terminal.

또한, 상기 항목 관리부는, 상기 이미지 데이터의 이미지 타입을 등록하고 수정하는 타입 관리모듈; 상기 이미지 타입의 객체수를 등록 및 수정하는 객체 관리모듈; 및 상기 이미지 타입의 메타수를 등록 및 수정하는 메타 관리모듈;을 포함할 수 있다.In addition, the item management unit may include a type management module for registering and modifying an image type of the image data; An object management module for registering and modifying the number of objects of the image type; And a meta management module for registering and modifying the meta number of the image type.

또한, 상기 권한 관리부는, 상기 사용자의 권한을 등록하여 해당 사용자를 작업자, 검수자 및 검색자로 구분하는 권한 등록모듈; 및 상기 작업자, 검수자 및 검색자에게 각각의 권한을 부여하는 권한 부여모듈;을 포함할 수 있다.In addition, the authority management unit, the authority registration module for registering the user's authority and classifying the user into an operator, an inspector, and a searcher; And an authorization module for granting respective rights to the operator, the inspector, and the searcher.

아울러, 상기 학습데이터 검출부는, 상기 학습 이미지 데이터의 이미지 타입, 객체별 영역, 메타 데이터를 기초로 학습 이미지 데이터를 검색할 수 있는 검색툴을 제공하고, 상기 메타 데이터는 객체의 표정, 성별, 나이를 포함할 수 있다.In addition, the learning data detection unit provides a search tool capable of searching for learning image data based on an image type of the learning image data, an area for each object, and metadata, and the metadata includes the expression, gender, and age of the object. It may include.

상기한 바와 같이 본 발명에 따른 인공지능 기반의 학습데이터셋 제공 시스템에 따르면, 이미지 데이터에 포함된 객체별 영역을 지정하여 인공지능의 학습데이터를 생성할 수 있는 효과가 있다.As described above, according to the artificial intelligence-based learning data set providing system according to the present invention, there is an effect of generating artificial intelligence learning data by designating a region for each object included in the image data.

또한, 본 발명은 객체에 대한 특정 검색 조건과 매칭되는 학습데이터를 인공지능에 제공하여 학습시킴으로써 인공지능으로 하여금 새로운 데이터를 생성하도록 할 수 있는 효과가 있다.In addition, the present invention has the effect of allowing the artificial intelligence to generate new data by providing and learning learning data matching a specific search condition for an object to the artificial intelligence.

도 1은 본 발명의 일 실시예에 따른 인공지능 기반의 학습데이터셋 제공 시스템의 구성도이다.
도 2는 본 발명에 따른 학습데이터 제공서버의 구성도이다.
도 3은 본 발명에 따른 회원 등록부의 구성도이다.
도 4는 본 발명에 따른 학습데이터 생성부의 구성도이다.
도 5는 본 발명에 따른 이미지 데이터 획득부의 구성도이다.
도 6 및 도 7은 본 발명에 따른 객체 영역 지정부의 구체적인 실시도이다.
도 8은 본 발명에 따른 객체 영역 검수부의 구성도이다.
도 9 내지 도 11은 본 발명에 따른 제1 검수자 검수모듈의 구체적인 실시도이다.
도 12 및 도 13은 본 발명에 따른 제2 검수자 검수모듈의 구체적인 실시도이다.
도 14는 본 발명에 따른 데이터 관리부의 구성도이다.
도 15는 본 발명에 따른 이미지 데이터 관리부의 구성도이다.
도 16은 본 발명에 따른 데이터 업로드모듈의 구체적인 실시도이다.
도 17은 본 발명에 따른 데이터 배정모듈의 구체적인 실시도이다.
도 18은 본 발명에 따른 항목 관리부의 구성도이다.
도 19는 본 발명에 따른 타입 관리모듈의 구체적인 실시도이다.
도 20은 본 발명에 따른 객체 관리모듈의 구체적인 실시도이다.
도 21은 본 발명에 따른 메타 관리모듈의 구체적인 실시도이다.
도 22는 본 발명에 따른 사용자 관리부의 구체적인 실시도이다.
도 23은 본 발명에 따른 권한 관리부의 구성도이다.
도 24는 본 발명에 따른 권한 등록모듈의 구체적인 실시도이다.
도 25는 본 발명에 따른 권한 부여모듈의 구체적인 실시도이다.
도 26은 본 발명에 따른 학습데이터 검출부의 구체적인 실시도이다.
1 is a block diagram of a system for providing learning data sets based on artificial intelligence according to an embodiment of the present invention.
2 is a block diagram of a learning data providing server according to the present invention.
3 is a configuration diagram of a member registration unit according to the present invention.
4 is a block diagram of a learning data generator according to the present invention.
5 is a configuration diagram of an image data acquisition unit according to the present invention.
6 and 7 are detailed implementation diagrams of an object area designating unit according to the present invention.
8 is a block diagram of an object area inspection unit according to the present invention.
9 to 11 are specific implementation views of the first inspector inspection module according to the present invention.
12 and 13 are specific implementation views of the second inspector inspection module according to the present invention.
14 is a configuration diagram of a data management unit according to the present invention.
15 is a configuration diagram of an image data management unit according to the present invention.
16 is a detailed implementation diagram of a data upload module according to the present invention.
17 is a detailed implementation diagram of a data allocation module according to the present invention.
18 is a block diagram of an item management unit according to the present invention.
19 is a detailed implementation diagram of the type management module according to the present invention.
20 is a detailed implementation diagram of an object management module according to the present invention.
21 is a detailed implementation diagram of the meta management module according to the present invention.
22 is a detailed implementation diagram of a user management unit according to the present invention.
23 is a block diagram of an authority management unit according to the present invention.
24 is a detailed implementation diagram of the authority registration module according to the present invention.
25 is a detailed implementation diagram of the authorization module according to the present invention.
26 is a detailed implementation diagram of a learning data detection unit according to the present invention.

이하, 첨부된 도면을 참조하여 본 발명의 실시 예를 상세히 설명한다. 우선, 도면들 중 동일한 구성요소 또는 부품들은 가능한 한 동일한 참조부호를 나타내고 있음에 유의해야 한다. 본 발명을 설명함에 있어서 관련된 공지기능 혹은 구성에 대한 구체적인 설명은 본 발명의 요지를 모호하게 하지 않기 위해 생략한다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings. First of all, it should be noted that the same components or parts in the drawings represent the same reference numerals as possible. In describing the present invention, detailed descriptions of related known functions or configurations are omitted in order not to obscure the subject matter of the present invention.

도 1은 본 발명의 일 실시예에 따른 인공지능 기반의 학습데이터셋 제공 시스템의 구성도이다.1 is a block diagram of a system for providing learning data sets based on artificial intelligence according to an embodiment of the present invention.

본 발명에 따른 인공지능 기반의 학습데이터셋 제공 시스템은 도 1에 도시된 바와 같이, 사용자 단말(100), 관리자 단말(200) 및 학습데이터 제공서버(300)를 포함한다.An artificial intelligence-based learning data set providing system according to the present invention includes a user terminal 100, a manager terminal 200, and a learning data providing server 300, as shown in FIG. 1.

상기 사용자 단말(100)은 학습데이터 제공서버에 접속하여 사용자의 권한에 따라 해당 학습데이터 제공서버에서 제공하는 툴을 이용할 수 있는 단말로, 데스크탑, 노트북 등의 컴퓨터 또는 스마트폰으로 이루어질 수 있다.The user terminal 100 is a terminal capable of accessing a learning data providing server and using a tool provided by a corresponding learning data providing server according to the user's authority, and may be formed of a computer such as a desktop or a laptop or a smartphone.

상기 사용자 단말(100)이 컴퓨터로 이루어지는 경우, 해당 컴퓨터 상에서 실행되는 웹을 통해 학습데이터 제공서버에서 제공하는 툴을 실행할 수 있고, 또한 상기 사용자 단말(100)이 스마트폰으로 이루어지는 경우, 해당 스마트폰 상에서 실행되는 웹이나 해당 스마트폰에 설치된 어플리케이션을 통해 학습데이터 제공서버에서 제공하는 툴을 실행할 수 있다.When the user terminal 100 is made of a computer, the tool provided by the learning data providing server can be executed through the web running on the computer, and if the user terminal 100 is made of a smartphone, the corresponding smartphone The tool provided by the learning data providing server can be executed through the web running on the desktop or an application installed on the smartphone.

구체적으로, 상기 사용자 단말(100)은 작업자 단말(110), 검수자 단말(120) 및 검색자 단말(130)을 포함할 수 있다.Specifically, the user terminal 100 may include a worker terminal 110, an inspector terminal 120, and a searcher terminal 130.

상기 작업자 단말(110)은 사용자 중 작업자가 사용하는 단말로, 작업자의 입력에 의해 학습데이터 제공서버에 접속하여 이미지 데이터에 포함된 객체별 영역을 지정할 수 있다.The worker terminal 110 is a terminal used by a worker among users, and may access a learning data providing server according to an input of a worker to designate an area for each object included in the image data.

상기 검수자 단말(120)은 학습데이터 제공서버에 접속하여 작업자의 입력에 의해 작업자 단말이 지정한 이미지 데이터의 객체별 영역을 검수할 수 있는데, 이러한 검수자 단말(120)은 제1 검수자 단말(121a) 및 제2 검수자 단말(121b)을 포함할 수 있다.The inspector terminal 120 may access the learning data providing server and inspect the object-specific area of the image data designated by the operator terminal by the operator's input. Such inspector terminal 120 includes a first inspector terminal 121a and It may include a second inspector terminal (121b).

상기 제1 검수자 단말(121a)은 작업자의 입력에 의해 작업자 단말이 지정한 이미지 데이터의 객체별 영역을 검수하여 객체별 영역이 잘못 지정된 경우 작업자 단말에 반려할 수 있고, 또한 해당 객체별 영역이 올바로 지정된 경우 해당 객체별 영역을 승인할 수 있다.The first inspector terminal 121a inspects the object-specific area of the image data designated by the worker terminal according to the operator's input, and if the object-specific area is incorrectly designated, it can be rejected to the operator terminal, and the corresponding object-specific area is correctly designated. In this case, the area for each object can be approved.

또한, 제2 검수자 단말(121b)은 작업자의 입력에 의해 제1 검수자 단말이 승인한 이미지 데이터의 객체별 영역을 검수하여 제1 검수자 단말의 검수가 잘못된 경우 작업자 단말에 반려할 수 있고, 또한 제1 검수자 단말의 검수가 올바른 경우 해당 객체별 영역을 최종승인함으로써, 후술하는 바와 같이, 해당 이미지 데이터를 인공지능이 학습할 학습 이미지 데이터로 생성하도록 할 수 있다.In addition, the second inspector terminal 121b inspects the object-specific area of the image data approved by the first inspector terminal according to the input of the operator, and if the inspection by the first inspector terminal is incorrect, it can reject the operator terminal. 1 If the inspection of the 1 inspector terminal is correct, the corresponding object-specific area is finally approved, so that the corresponding image data can be generated as learning image data to be learned by the artificial intelligence, as described later.

상기 검색자 단말(130)은 학습데이터 제공서버에 접속하여 학습데이터 제공서버에서 제공하는 검색툴을 통해 인공지능에 제공할 학습 이미지 데이터를 검색한 후, 검색된 학습 이미지 데이터를 다운로드하여 제공받을 수 있다.The searcher terminal 130 may access the learning data providing server, search for learning image data to be provided to artificial intelligence through a search tool provided by the learning data providing server, and then download and receive the searched learning image data. .

상기 관리자 단말(200)은 학습데이터 제공서버에 접속하여 학습데이터 제공서버에서 제공하는 툴을 이용하여 업로드된 이미지 데이터, 해당 이미지 데이터의 항목, 사용자 단말의 사용자, 즉 작업자, 검수자(제1 검수자, 제2 검수자), 검색자 및 해당 사용자의 권한을 관리하는 단말로, 사용자 단말(100)과 동일하게 데스크탑, 노트북 등의 컴퓨터 또는 스마트폰으로 이루어질 수 있다.The manager terminal 200 connects to the learning data providing server and uses a tool provided by the learning data providing server to upload the image data, the item of the image data, the user of the user terminal, that is, an operator, an inspector (the first inspector, The second inspector), a searcher, and a terminal that manages the authority of the user, and may be formed of a computer such as a desktop, a notebook, or a smartphone, similar to the user terminal 100.

상기 관리자 단말(200)이 컴퓨터로 이루어지는 경우, 해당 컴퓨터 상에서 실행되는 웹을 통해 학습데이터 제공서버에서 제공하는 툴을 실행할 수 있고, 또한 상기 관리자 단말(200)이 스마트폰으로 이루어지는 경우, 해당 스마트폰 상에서 실행되는 웹이나 해당 스마트폰에 설치된 어플리케이션을 통해 학습데이터 제공서버에서 제공하는 툴을 실행할 수 있다.When the manager terminal 200 is made of a computer, it is possible to execute a tool provided by the learning data providing server through a web running on the computer, and when the manager terminal 200 is made of a smartphone, the corresponding smartphone The tool provided by the learning data providing server can be executed through the web running on the desktop or an application installed on the smartphone.

상기 학습데이터 제공서버(300)는 상기 사용자 단말 및 관리자 단말과 각각 유무선 통신망(400)을 통해 서로 연결되어 웹 페이지 상에서 이미지 데이터, 즉 원본 이미지 데이터를 수집한 후, 해당 이미지 데이터에 포함된 객체별 영역을 지정함으로써 각각의 객체가 구분지어진 학습 이미지 데이터를 생성할 수 있다.The learning data providing server 300 is connected to each other through a wired/wireless communication network 400 with the user terminal and the manager terminal to collect image data, that is, original image data, on a web page, and then for each object included in the image data. By designating an area, it is possible to generate training image data in which each object is divided.

도 2는 본 발명에 따른 학습데이터 제공서버의 구성도이다.2 is a block diagram of a learning data providing server according to the present invention.

구체적으로, 상기 학습데이터 제공서버(300)는 도 2에 도시된 바와 같이, 회원 등록부(310), 학습데이터 생성부(320), 데이터 관리부(330) 및 학습데이터 검출부(340)를 포함한다.Specifically, the learning data providing server 300 includes a member registration unit 310, a learning data generation unit 320, a data management unit 330, and a learning data detection unit 340, as shown in FIG. 2.

상기 회원 등록부(310)는 작업자, 검수자 및 검색자의 회원 정보를 각각 등록하여 회원 인증할 수 있다The member registration unit 310 may register member information of a worker, an inspector, and a searcher, respectively, to authenticate members.

도 3은 본 발명에 따른 회원 등록부의 구성도이다.3 is a configuration diagram of a member registration unit according to the present invention.

상기 회원 등록부(310)는 도 3에 도시된 바와 같이, 작업자의 회원 정보를 등록하여 회원 인증하는 작업자 회원 관리부(311), 검수자의 회원 정보를 등록하여 회원 인증하는 검수자 회원 관리부(312) 및 검색자의 회원 정보를 등록하여 회원 인증하는 검색자 회원 관리부(313)를 포함한다.As shown in FIG. 3, the member registration unit 310 includes a worker member management unit 311 that registers member information of a worker to authenticate a member, an examiner member management unit 312 that registers member information of the examiner to authenticate a member, and searches It includes a searcher member management unit 313 for registering a member's member information to authenticate a member.

구체적으로, 작업자 회원 관리부(311)는 작업자 회원 등록모듈(311a), 작업자 회원 인증모듈(311b) 및 작업자 접속 허용모듈(311c)을 포함할 수 있다.Specifically, the worker member management unit 311 may include a worker member registration module 311a, a worker member authentication module 311b, and a worker access permission module 311c.

상기 작업자 회원 등록모듈(311a)은 작업자의 회원 정보를 등록할 수 있다.The worker member registration module 311a may register member information of a worker.

상기 작업자 회원 등록모듈(311a)은 학습데이터 제공서버(300)에 접속하여 후술하는 객체 영역 지정부(322)에서 제공하는 툴을 이용하려는 작업자의 인적 정보 및 기타 정보를 각각 제공받아 회원 정보로 등록할 수 있다.The worker member registration module 311a accesses the learning data providing server 300 and receives personal information and other information of the worker who intends to use the tool provided by the object area designation unit 322 described later, and registers it as member information. can do.

상기 작업자 회원 인증모듈(311b)은 작업자의 회원 정보를 인증할 수 있다.The worker member authentication module 311b may authenticate member information of a worker.

상기 작업자 회원 인증모듈(311b)은 작업자가 학습데이터 제공서버(300)에 접속하여 객체 영역 지정부(322)에서 제공하는 툴을 이용하려는 경우, 작업자에 의해 입력된 회원 정보가 기등록된 회원 정보와 일치하는지 여부에 따른 인증 과정을 수행함으로써 작업자를 학습데이터 제공서버(300)에 접속시킬 수 있다.The worker member authentication module 311b is the member information in which the member information input by the worker is pre-registered when the worker connects to the learning data providing server 300 and intends to use the tool provided by the object area designation unit 322 By performing the authentication process according to whether or not it is consistent with the operator can be connected to the learning data providing server 300.

상기 작업자 접속 허용모듈(311c)은 작업자 중 회원 인증된 작업자에게 상기 학습데이터 제공서버의 접속을 허용할 수 있다.The worker access permission module 311c may allow access to the learning data providing server to a worker who is member-authenticated among workers.

상기 작업자 접속 허용모듈(311c)은 학습데이터 제공서버(300)에 접속하려는 작업자가 상기 작업자 회원 인증모듈(311b)에서 회원으로 인증되지 않는 경우, 해당 작업자가 학습데이터 제공서버(300)에 접속하는 것을 차단할 수 있다.The worker access permission module 311c allows the worker to access the learning data providing server 300 when the worker trying to access the learning data providing server 300 is not authenticated as a member in the worker member authentication module 311b. Can block things.

이에 반해, 작업자가 상기 작업자 회원 인증모듈(311b)에서 회원으로 인증되는 경우, 작업자가 학습데이터 제공서버(300)에 접속하는 것을 허용함으로써 해당 작업자가 객체 영역 지정부(322)에서 제공하는 툴을 이용하여 이미지 데이터에 포함된 객체별 영역을 지정하도록 할 수 있다.On the other hand, when the worker is authenticated as a member in the worker member authentication module 311b, by allowing the worker to access the learning data providing server 300, the worker can use the tool provided by the object area designation unit 322 By using, an area for each object included in the image data can be designated.

상기 검수자 회원 관리부(312)는 검수자 회원 등록모듈(312a), 검수자 회원 인증모듈(312b) 및 검수자 접속 허용모듈(312c)을 포함할 수 있다.The inspector member management unit 312 may include an inspector member registration module 312a, an inspector member authentication module 312b, and an inspector access permission module 312c.

상기 검수자 회원 등록모듈(312a)은 검수자의 회원 정보를 등록할 수 있다.The examinee member registration module 312a may register member information of the examinee.

상기 검수자 회원 등록모듈(312a)은 학습데이터 제공서버(300)에 접속하여 후술하는 객체 영역 검수부(323)에서 제공하는 툴을 이용하려는 검수자의 인적 정보 및 기타 정보를 각각 제공받아 회원 정보로 등록할 수 있다.The examiner member registration module 312a accesses the learning data providing server 300 to receive personal information and other information of the examiner who intends to use the tool provided by the object area inspection unit 323 to be described later, and register them as member information. can do.

상기 검수자 회원 인증모듈(312b)은 검수자의 회원 정보를 인증할 수 있다.The inspector member authentication module 312b may authenticate the inspector's member information.

상기 검수자 회원 인증모듈(312b)은 검수자가 학습데이터 제공서버(300)에 접속하여 객체 영역 검수부(323)에서 제공하는 툴을 이용하려는 경우, 검수자에 의해 입력된 회원 정보가 기등록된 회원 정보와 일치하는지 여부에 따른 인증 과정을 수행함으로써 검수자를 학습데이터 제공서버(300)에 접속시킬 수 있다.When the examinee member authentication module 312b accesses the learning data providing server 300 and intends to use the tool provided by the object area inspection unit 323, the member information input by the examiner is pre-registered member information. By performing an authentication process according to whether or not it matches with, the examiner can be connected to the learning data providing server 300.

상기 검수자 접속 허용모듈(312c)은 검수자 중 회원 인증된 검수자에게 상기 학습데이터 제공서버의 접속을 허용할 수 있다.The inspector access permission module 312c may allow access to the learning data providing server to a member-authenticated inspector among inspectors.

상기 검수자 접속 허용모듈(312c)은 학습데이터 제공서버(300)에 접속하려는 검수자가 상기 검수자 회원 인증모듈(312b)에서 회원으로 인증되지 않는 경우, 해당 검수자가 학습데이터 제공서버(300)에 접속하는 것을 차단할 수 있다.The examiner access permission module 312c allows the examiner to access the learning data providing server 300 when the examiner attempting to access the learning data providing server 300 is not authenticated as a member in the examiner member authentication module 312b. Can block things.

이에 반해, 검수자가 상기 검수자 회원 인증모듈(312b)에서 회원으로 인증되는 경우, 검수자가 학습데이터 제공서버(300)에 접속하는 것을 허용함으로써 해당 작업자가 객체 영역 검수부(323)에서 제공하는 툴을 이용하여 이미지 데이터에 포함된 객체별 영역을 검수하도록 할 수 있다.On the other hand, when an inspector is authenticated as a member in the inspector member authentication module 312b, by allowing the inspector to access the learning data providing server 300, the corresponding worker can use the tool provided by the object area inspection unit 323. By using it, the area for each object included in the image data can be inspected.

상기 검색자 회원 관리부(312)는 검색자 회원 등록모듈(313a), 검색자 회원 인증모듈(313b) 및 검색자 접속 허용모듈(313c)을 포함할 수 있다.The searcher member management unit 312 may include a searcher member registration module 313a, a searcher member authentication module 313b, and a searcher access permission module 313c.

상기 검색자 회원 등록모듈(313a)은 검색자의 회원 정보를 등록할 수 있다.The searcher member registration module 313a may register member information of a searcher.

상기 검색자 회원 등록모듈(313a)은 학습데이터 제공서버(300)에 접속하여 후술하는 학습데이터 검출부(340)에서 제공하는 툴을 이용하려는 검색자의 인적 정보 및 기타 정보를 각각 제공받아 회원 정보로 등록할 수 있다.The searcher member registration module 313a accesses the learning data providing server 300 to receive personal information and other information of the searcher who intends to use the tool provided by the learning data detection unit 340 to be described later, and register them as member information. can do.

상기 검색자 회원 인증모듈(313b)은 검색자의 회원 정보를 인증할 수 있다.The searcher member authentication module 313b may authenticate the searcher's member information.

상기 검색자 회원 인증모듈(313b)은 검색자가 학습데이터 제공서버(300)에 접속하여 학습데이터 검출부(340)에서 제공하는 툴을 이용하려는 경우, 검색자에 의해 입력된 회원 정보가 기등록된 회원 정보와 일치하는지 여부에 따른 인증 과정을 수행함으로써 검색자를 학습데이터 제공서버(300)에 접속시킬 수 있다.When the searcher member authentication module 313b accesses the learning data providing server 300 and intends to use the tool provided by the learning data detection unit 340, the member information input by the searcher is already registered. The searcher can be connected to the learning data providing server 300 by performing an authentication process according to whether the information matches.

상기 검색자 접속 허용모듈(313c)은 검색자 중 회원 인증된 검색자에게 상기 학습데이터 제공서버의 접속을 허용할 수 있다.The searcher access permission module 313c may allow access to the learning data providing server to a searcher who is member-authenticated among searchers.

상기 검색자 접속 허용모듈(313c)은 학습데이터 제공서버(300)에 접속하려는 검색자가 상기 검색자 회원 인증모듈(313b)에서 회원으로 인증되지 않는 경우, 해당 검색자가 학습데이터 제공서버(300)에 접속하는 것을 차단할 수 있다.When the searcher accessing permission module 313c is not authenticated as a member in the searcher member authentication module 313b, the searcher attempting to access the learning data providing server 300 You can block access.

이에 반해, 검색자가 상기 검색자 회원 인증모듈(313b)에서 회원으로 인증되는 경우, 검색자가 학습데이터 제공서버(300)에 접속하는 것을 허용함으로써 해당 검색자가 학습데이터 검출부(340)에서 제공하는 툴을 이용하여 인공지능이 학습할 학습 이미지 데이터를 검색하여 제공받을 수 있도록 할 수 있다.On the other hand, when the searcher is authenticated as a member in the searcher member authentication module 313b, by allowing the searcher to access the learning data providing server 300, the searcher can use the tool provided by the learning data detection unit 340. Using this, artificial intelligence can search and receive training image data to be learned.

상기 학습데이터 생성부(320)는 이미지 데이터를 수집한 후, 해당 이미지 데이터에 포함된 객체별 영역을 지정하여 인공지능이 학습할 이미지 데이터로 각각의 객체가 구분지어진 학습 이미지 데이터를 생성할 수 있다.After collecting the image data, the learning data generating unit 320 may generate training image data in which each object is classified as image data to be learned by artificial intelligence by designating an object-specific area included in the image data. .

도 4는 본 발명에 따른 학습데이터 생성부의 구성도이다.4 is a block diagram of a learning data generator according to the present invention.

상기 학습데이터 생성부(320)는 도 4에 도시된 바와 같이, 이미지 데이터 획득부(321), 객체 영역 지정부(322), 객체 영역 검수부(323) 및 학습 이미지 데이터 생성부(324)를 포함한다.The learning data generation unit 320 includes an image data acquisition unit 321, an object area designation unit 322, an object area detection unit 323, and a training image data generation unit 324, as shown in FIG. Include.

상기 이미지 데이터 획득부(321)는 이미지 데이터를 수집한 후 특정 객체 조건을 만족하는 이미지 데이터만을 분류함으로써 학습 이미지 데이터의 생성을 위한 이미지 데이터를 획득할 수 있다.The image data acquisition unit 321 may acquire image data for generating training image data by classifying only image data satisfying a specific object condition after collecting image data.

도 5는 본 발명에 따른 이미지 데이터 획득부의 구성도이다.5 is a configuration diagram of an image data acquisition unit according to the present invention.

상기 이미지 데이터 획득부(321)는 도 5에 도시된 바와 같이, 이미지 데이터 수집모듈(321a), 이미지 데이터 분류모듈(321b), 이미지 데이터 저장모듈(321c) 및 메타 데이터 생성모듈(321d)을 포함한다.The image data acquisition unit 321 includes an image data collection module 321a, an image data classification module 321b, an image data storage module 321c, and a meta data generation module 321d, as shown in FIG. 5. do.

상기 이미지 데이터 수집모듈(321a)은 웹 사이트에서 특정 키워드를 이용하여 특정 이미지 데이터를 수집할 수 있다.The image data collection module 321a may collect specific image data using a specific keyword on a web site.

구체적으로, 이미지 데이터 수집모듈(321a)은 웹 사이트에서 이미지 데이터를 수집하는 엔진으로 이루어질 수 있으며, 이러한 이미지 데이터 수집모듈(321a)은 수집 대상 웹 사이트 URL과 키워드를 등록함으로써 해당 사이트에서 이미지 데이터를 수집할 수 있다.Specifically, the image data collection module 321a may be composed of an engine that collects image data from a website, and this image data collection module 321a registers the URL and keyword of the website to be collected to collect image data from the corresponding site. Can be collected.

상기 이미지 데이터 분류모듈(321b)은 이미지 데이터 수집모듈에서 수집된 이미지 데이터 중 특정 객체 조건을 만족하는 이미지 데이터만을 필터링하여 이미지 데이터를 분류할 수 있다.The image data classification module 321b may classify image data by filtering only image data that satisfies a specific object condition among image data collected by the image data collection module.

구체적으로, 이미지 데이터 분류모듈(321b)은 수집된 이미지 데이터를 예를 들면 해상도, 사람이 있는 사진, 얼굴만 있는 사진, 동물 등 특정 객체 조건에 해당하는 데이터인지 여부를 탐색하여 이미지 데이터를 분류할 수 있다.Specifically, the image data classification module 321b searches whether the collected image data is data corresponding to a specific object condition, such as a resolution, a photo with a person, a photo with only a face, and an animal, to classify the image data. I can.

상기 이미지 데이터 저장모듈(321c)은 이미지 데이터 분류모듈에서 분류된 이미지 데이터를 임시 저장할 수 있다.The image data storage module 321c may temporarily store image data classified by the image data classification module.

상기 메타 데이터 생성모듈(321d)은 이미지 데이터 분류모듈에서 분류된 이미지 데이터의 메타 데이터를 생성할 수 있다.The metadata generation module 321d may generate metadata of image data classified by an image data classification module.

구체적으로, 메타 데이터 생성모듈(321d)은 이미지 데이터의 데이터 구조를 정의하며, 해당 이미지의 사이즈, 위경도, 해상도, 분류 등의 기본정보를 생성할 수 있다.Specifically, the metadata generating module 321d defines a data structure of image data, and may generate basic information such as size, latitude and longitude, resolution, and classification of the image.

상기 객체 영역 지정부(322)는 이미지 데이터 획득부에서 획득된 이미지 데이터에 포함된 객체별 영역을 지정할 수 있다.The object area designation unit 322 may designate an area for each object included in the image data acquired by the image data acquisition unit.

여기서, 객체 영역 지정부(322)는 이미지 데이터 중 객체 영역을 지정할 이미지 데이터 리스트를 작업자 단말에 표시할 수 있고, 특히 작업자 단말이 이미지 데이터 리스트 중 특정 이미지 데이터를 선택하는 경우, 해당 이미지 데이터의 객체별 영역을 지정하는 툴을 제공할 수 있다.Here, the object area designation unit 322 may display an image data list to designate an object area among image data on the operator terminal. In particular, when the operator terminal selects specific image data from the image data list, the object of the image data A tool to designate a star area can be provided.

도 6 및 도 7은 본 발명에 따른 객체 영역 지정부의 구체적인 실시도이다.6 and 7 are detailed implementation diagrams of an object area designating unit according to the present invention.

구체적으로, 객체 영역 지정부(322)는 작업자 단말(110)이 학습데이터 제공서버에 접속하는 경우, 도 6에 도시된 바와 같이, 작업자 단말(110)에 해당 작업자가 작업해야 할 이미지 데이터 리스트를 제공할 수 있는데, 작업자가 예를 들어 해당 이미지 리스트 중 특정 이미지 ID 또는 썸네일 이미지를 선택하는 경우, 도 7에 도시된 바와 같이, 해당 이미지의 객체 영역 지정 페이지로 이동시킬 수 있고, 해당 작업자는 해당 페이지에서 제공되는 툴을 이용하여 해당 이미지의 객체 영역을 지정한 후 객체 영역 검수부(323)에 제출할 수 있다.Specifically, when the worker terminal 110 accesses the learning data providing server, the object area designation unit 322 provides the worker terminal 110 with a list of image data that the worker should work with, as shown in FIG. If the operator selects, for example, a specific image ID or thumbnail image from the corresponding image list, as shown in FIG. 7, it can be moved to the object area designation page of the image, and the corresponding operator After designating an object area of the image using a tool provided on the page, it may be submitted to the object area inspection unit 323.

상기 객체 영역 검수부(323)는 객체 영역 지정부에서 지정된 이미지 데이터의 객체별 영역을 검수할 수 있다.The object area inspection unit 323 may inspect an object-specific area of image data designated by the object area designation unit.

도 8은 본 발명에 따른 객체 영역 검수부의 구성도이다.8 is a block diagram of an object area inspection unit according to the present invention.

상기 객체 영역 검수부(323)는 도 8에 도시된 바와 같이, 제1 검수자 검수모듈(323a) 및 제2 검수자 검수모듈(323b)을 포함한다.The object area inspection unit 323 includes a first inspector inspection module 323a and a second inspector inspection module 323b, as shown in FIG. 8.

상기 제1 검수자 검수모듈(323a)은 작업자 단말이 지정한 이미지 데이터의 객체별 영역을 검수할 수 있다.The first inspector inspection module 323a may inspect an object-specific area of image data designated by an operator terminal.

여기서, 제1 검수자 검수모듈은 작업자 리스트를 제1 검수자 단말에 표시할 수 있고, 또한 제1 검수자 단말이 작업자 리스트 중 특정 작업자를 선택하는 경우, 해당 작업자의 작업 이미지 리스트를 표시할 수 있으며, 특히, 제1 검수자 단말이 작업 이미지 리스트 중 특정 작업 이미지를 선택하는 경우, 해당 작업 이미지의 객체별 영역을 확인하는 툴을 제공할 수 있다.Here, the first inspector inspection module can display the worker list on the first inspector terminal, and when the first inspector terminal selects a specific worker from the worker list, it can display the work image list of the corresponding worker. , When the first inspector terminal selects a specific work image from the work image list, a tool for checking an object-specific area of the work image may be provided.

도 9 내지 도 11은 본 발명에 따른 제1 검수자 검수모듈의 구체적인 실시도이다.9 to 11 are specific implementation views of the first inspector inspection module according to the present invention.

구체적으로, 제1 검수자 검수모듈(323a)은 제1 검수자 단말(121)이 학습데이터 제공서버에 접속하는 경우, 도 9에 도시된 바와 같이, 제1 검수자 단말(121)에 해당 제1 검수자가 검수해야 할 작업자 리스트를 제공할 수 있는데, 제1 검수자가 예를 들어 해당 작업자 리스트 중 특정 작업자 ID를 선택하는 경우, 도 10에 도시된 바와 같이, 해당 작업자의 작업 이미지 리스트를 표시할 수 있다.Specifically, the first inspector inspection module 323a, when the first inspector terminal 121 accesses the learning data providing server, as shown in FIG. 9, the first inspector A list of workers to be inspected may be provided. When the first inspector selects, for example, a specific worker ID from the corresponding worker list, as shown in FIG. 10, a list of work images of the corresponding worker may be displayed.

이후, 제1 검수자 검수모듈(323a)은 제1 검수자가 예를 들어, 해당 작업 이미지 리스트 중 특정 이미지 ID 또는 썸네일 이미지를 선택하는 경우, 도 11에 도시된 바와 같이, 해당 이미지의 객체 영역 지정 페이지로 이동시킬 수 있는데, 해당 제1 검수자는 해당 페이지에서 제공되는 툴을 이용하여 작업자가 기등록한 작업 내용을 확인한 후 작업 내용을 수정할 수 있다.Thereafter, when the first inspector selects, for example, a specific image ID or thumbnail image from the work image list, as shown in FIG. 11, the first inspector inspection module 323a is a page specifying the object area of the corresponding image. The first inspector can use the tool provided on the page to check the job details previously registered by the worker and then modify the job details.

또한, 제1 검수자는 작업자의 작업 내용이 반려 대상인 경우, 즉, 해당 이미지의 객체별 영역이 잘못 지정된 경우, 반려사유를 기재하여 작업자에게 재작업 요청을 수행할 수 있고, 이와 반대로, 작업자의 작업 내용이 승인 대상인 경우, 즉 해당 이미지의 객체별 영역이 바르게 지정된 경우 해당 작업을 승인함으로써 해당 이미지에 지정된 객체 영역을 제2 검수자 검수모듈(323b)에 제출할 수 있다.In addition, the first inspector can request rework to the worker by stating the reason for rejection if the task content of the worker is the object of rejection, that is, if the object-specific area of the image is incorrectly designated. When the content is subject to approval, that is, when the object-specific area of the image is correctly designated, the object area designated in the image may be submitted to the second inspector inspection module 323b by approving the work.

상기 제2 검수자 검수모듈(323b)은 제1 검수자 단말이 승인한 이미지 데이터의 객체별 영역을 검수할 수 있다.The second inspector inspection module 323b may inspect an object-specific area of image data approved by the first inspector terminal.

여기서, 제2 검수자 검수모듈(323b)은 제2 검수자 단말이 작업자 리스트 중 특정 작업자를 선택하는 경우, 해당 작업자의 제1 검수자 단말에 의해 검수가 완료된 작업 이미지 리스트를 표시할 수 있고, 특히, 제2 검수자 단말이 상기 작업 이미지 리스트 중 특정 작업 이미지를 선택하는 경우, 해당 작업 이미지의 객체별 영역을 확인하는 툴을 제공할 수 있다.Here, the second inspector inspection module 323b, when the second inspector terminal selects a specific worker from the worker list, can display a list of work images that have been inspected by the first inspector terminal of the corresponding worker. 2 When the inspector terminal selects a specific work image from the work image list, a tool for checking an object-specific area of the work image may be provided.

도 12 및 도 13은 본 발명에 따른 제2 검수자 검수모듈의 구체적인 실시도이다.12 and 13 are specific implementation diagrams of a second inspector inspection module according to the present invention.

구체적으로, 제2 검수자 검수모듈(323b)은 제2 검수자 단말(122)이 학습데이터 제공서버에 접속하는 경우, 도 12에 도시된 바와 같이, 제2 검수자 단말(122)에 해당 제2 검수자가 검수해야 할 작업자 리스트를 제공할 수 있는데, 제2 검수자가 예를 들어 해당 작업자 리스트 중 특정 작업자 ID를 선택하는 경우, 도 13에 도시된 바와 같이, 해당 작업자의 작업 이미지 리스트를 표시할 수 있다.Specifically, when the second inspector inspection module 323b connects to the learning data providing server, the second inspector terminal 122 corresponds to the second inspector terminal 122 as shown in FIG. A list of workers to be inspected may be provided. When the second inspector selects, for example, a specific worker ID from the corresponding worker list, as shown in FIG. 13, a list of work images of the corresponding worker may be displayed.

이후, 제2 검수자 검수모듈(323b)은 제2 검수자가 예를 들어 해당 작업 이미지 리스트 중 특정 이미지 ID 또는 썸네일 이미지를 선택하는 경우, 도 11에 도시된 바와 같이, 해당 이미지의 객체 영역 지정 페이지로 이동시킬 수 있는데, 해당 제2 검수자는 해당 페이지에서 제공되는 툴을 이용하여 작업자가 기등록한 작업 내용을 확인한 후 작업 내용을 수정할 수 있다.Thereafter, when the second inspector selects, for example, a specific image ID or thumbnail image from the work image list, as shown in FIG. 11, the second inspector inspection module 323b is directed to the object area designation page of the corresponding image. It can be moved, but the second inspector can modify the work content after checking the work content previously registered by the worker using the tool provided on the page.

또한, 제2 검수자는 작업자의 작업 내용이 반려 대상인 경우, 반려사유를 기재하여 작업자에게 재작업 요청을 수행할 수 있고, 이와 반대로, 작업자의 작업 내용이 승인 대상인 경우, 해당 작업을 최종승인할 수 있다.In addition, if the content of the worker's work is the object of rejection, the second inspector can request rework to the worker by specifying the reason for rejection, and on the contrary, when the content of the worker's work is subject to approval, the second inspector can finally approve the work. have.

상기 학습 이미지 데이터 생성부(324)는 객체 영역 검수부에서 검수한 객체별 영역을 승인하는 경우 해당 이미지 데이터를 학습 이미지 데이터로 생성할 수 있다.The training image data generation unit 324 may generate the image data as training image data when the object area inspection unit approves the area for each object inspected.

구체적으로, 학습 이미지 데이터 생성부(324)는 제2 검수자 단말이 상기 작업자 리스트 중 특정 작업자의 특정 작업 이미지의 객체별 영역을 확인하여 해당 객체별 영역을 최종승인하는 경우, 해당 영역의 점좌표 기준의 마스크 파일인 학습 이미지 데이터를 생성할 수 있다.Specifically, when the second inspector terminal checks an object-specific area of a specific work image of a specific worker in the worker list and finally approves the corresponding object-specific area, the learning image data generation unit 324 is based on the point coordinates of the corresponding area. The training image data, which is a mask file of, can be created.

상기 데이터 관리부(330)는 이미지 데이터, 이미지 데이터의 항목, 사용자 단말의 사용자 및 사용자의 권한을 각각 관리할 수 있다.The data management unit 330 may manage image data, an item of image data, a user of a user terminal, and a user's authority, respectively.

도 14는 본 발명에 따른 데이터 관리부의 구성도이다.14 is a configuration diagram of a data management unit according to the present invention.

상기 데이터 관리부(330)는 도 14에 도시된 바와 같이, 이미지 데이터 관리부(331), 항목 관리부(332), 사용자 관리부(333) 및 권한 관리부(334)를 포함한다.As shown in FIG. 14, the data management unit 330 includes an image data management unit 331, an item management unit 332, a user management unit 333 and an authority management unit 334.

상기 이미지 데이터 관리부(331)는 이미지 데이터가 최종 저장될 폴더를 등록하여 해당 폴더에 이미지 데이터를 업로드하여 저장하고, 해당 이미지 데이터의 객체별 영역을 지정하기 위해 이미지 데이터를 작업자 단말에 배정할 수 있다.The image data management unit 331 may register a folder in which image data is to be finally stored, upload and store image data in the folder, and allocate image data to a worker terminal to designate an object-specific area of the image data. .

도 15는 본 발명에 따른 이미지 데이터 관리부의 구성도이다.15 is a configuration diagram of an image data management unit according to the present invention.

상기 이미지 데이터 관리부(331)는 도 15에 도시된 바와 같이, 데이터 업로드모듈(331a) 및 데이터 배정모듈(331b)을 포함한다.The image data management unit 331 includes a data upload module 331a and a data allocation module 331b, as shown in FIG. 15.

상기 데이터 업로드모듈(331a)은 폴더를 등록하여 이미지 데이터를 해당 폴더에 업로드할 수 있다.The data upload module 331a may register a folder and upload image data to the folder.

도 16은 본 발명에 따른 데이터 업로드모듈의 구체적인 실시도이다.16 is a detailed implementation diagram of a data upload module according to the present invention.

구체적으로, 데이터 업로드모듈(331a)은 도 16에 도시된 바와 같이, 이미지 데이터를 업로드할 폴더를 등록함과 동시에, 특정 폴더를 선택하여 특정 이미지 데이터를 업로드할 수 있는 툴을 제공할 수 있다.Specifically, as illustrated in FIG. 16, the data upload module 331a may provide a tool for registering a folder in which image data is to be uploaded and for uploading specific image data by selecting a specific folder.

상기 데이터 배정모듈(331b)는 폴더에 업로드된 특정 이미지 데이터를 특정 작업자 단말에 배정할 수 있다.The data allocation module 331b may allocate specific image data uploaded to a folder to a specific worker terminal.

도 17은 본 발명에 따른 데이터 배정모듈의 구체적인 실시도이다.17 is a detailed implementation diagram of a data allocation module according to the present invention.

구체적으로, 데이터 배정모듈(331b)은 도 17에 도시된 바와 같이, 배정 이미지를 검색한 후, 배정 이미지의 수량을 결정하여 특정 작업자에게 특정 이미지 데이터를 배정할 수 있는 툴을 제공할 수 있다.Specifically, as illustrated in FIG. 17, the data allocation module 331b may provide a tool for allocating specific image data to a specific worker by determining the number of allocated images after searching for an allocated image.

상기 항목 관리부(332)는 이미지 데이터의 항목인 이미지 타입, 해당 이미지 타입에 해당하는 객체수 및 메타수를 각각 관리할 수 있다.The item management unit 332 may manage an image type, which is an item of image data, an object number and a meta number corresponding to the image type, respectively.

도 18은 본 발명에 따른 항목 관리부의 구성도이다.18 is a block diagram of an item management unit according to the present invention.

상기 항목 관리부(332)는 도 18에 도시된 바와 같이, 타입 관리모듈(332a), 객체 관리모듈(332b) 및 메타 관리모듈(332c)을 포함한다.As shown in FIG. 18, the item management unit 332 includes a type management module 332a, an object management module 332b, and a meta management module 332c.

상기 타입 관리모듈(332a)은 이미지 데이터의 이미지 타입을 등록하고 수정할 수 있다.The type management module 332a may register and modify an image type of image data.

도 19는 본 발명에 따른 타입 관리모듈의 구체적인 실시도이다.19 is a detailed implementation diagram of the type management module according to the present invention.

구체적으로, 타입 관리모듈(332a)은 도 19에 도시된 바와 같이, 이미지 데이터의 타입 이름으로 A, B, C, D 등을 지정하고, 이미지 타입으로 전신(person), 상반신(upper body), 얼굴(face) 등을 지정하여 이미지 타입을 등록하거나 해당 이미지 타입을 수정 및 삭제할 수 있다.Specifically, as shown in FIG. 19, the type management module 332a designates A, B, C, D, etc. as the type name of the image data, and the image type is a person, an upper body, and An image type can be registered by specifying a face, etc., or a corresponding image type can be modified or deleted.

상기 객체 관리모듈(332b)은 이미지 타입의 객체수를 등록 및 수정할 수 있다.The object management module 332b may register and modify the number of objects of an image type.

도 20은 본 발명에 따른 객체 관리모듈의 구체적인 실시도이다.20 is a detailed implementation diagram of an object management module according to the present invention.

구체적으로, 객체 관리모듈(332b)은 도 20에 도시된 바와 같이, 객체 이름(객체)로 전경(all), 전신(person), 상반신(upper body), 머리(head) 등을 지정하여 이미지 타입의 객체수를 등록하거나 해당 객체수를 수정 및 삭제할 수 있다.Specifically, the object management module 332b designates the foreground (all), the body (person), the upper body (upper body), the head (head), etc. as the object name (object), as shown in FIG. You can register the number of objects or modify or delete the number of objects.

상기 메타 관리모듈(332c)은 이미지 타입의 메타수를 등록 및 수정할 수 있다.The meta management module 332c may register and modify the meta number of an image type.

도 21은 본 발명에 따른 메타 관리모듈의 구체적인 실시도이다.21 is a detailed implementation diagram of the meta management module according to the present invention.

구체적으로, 메타 관리모듈(332c)은 도 21에 도시된 바와 같이, 메타 이름으로 person, Location, Type 등을 지정하고, 메타 데이터 타입으로 답답형, 장문형, 단일 선택형, 복수 선택형 등을 지정하여 이미지 타입의 메타수를 등록하거나 해당 메타수를 수정 및 삭제할 수 있다.Specifically, as shown in FIG. 21, the meta management module 332c designates person, location, type, etc. as meta names, and designates answer type, long sentence type, single selection type, multiple selection type, etc. as meta data types. You can register the meta number of an image type, or modify or delete the meta number.

상기 사용자 관리부(333)는 학습데이터 제공서버에 접속하는 사용자의 사용자 정보를 기초로 해당 사용자를 등록 및 삭제하거나, 기등록된 사용자의 사용자 정보를 수정하여 관리할 수 있다.The user management unit 333 may register and delete a corresponding user based on user information of a user accessing the learning data providing server, or modify and manage user information of a previously registered user.

도 22는 본 발명에 따른 사용자 관리부의 구체적인 실시도이다.22 is a detailed implementation diagram of a user management unit according to the present invention.

구체적으로, 사용자 관리부(333)는 도 22에 도시된 바와 같이, 사용자 아이디, 이름, 소속, 권한에 대한 사용자 리스트를 제공하고, 사용자 등록시 사용자 등록 팝업을 노출하며, 사용자 삭제시 사용자 삭제 팝업을 노출시킬 수 있다.Specifically, the user management unit 333 provides a list of users for user ID, name, affiliation, and authority, as shown in FIG. 22, exposes a user registration pop-up when registering a user, and exposes a user deletion pop-up when deleting a user. I can make it.

상기 권한 관리부(334)는 사용자의 권한을 등록하여 해당 사용자를 작업자, 검수자 및 검색자로 구분한 후 각각의 사용자에게 매칭되는 권한을 부여할 수 있다.The authority management unit 334 may register the user's authority, classify the user into an operator, an inspector, and a searcher, and then grant matching authority to each user.

도 23은 본 발명에 따른 권한 관리부의 구성도이다.23 is a block diagram of an authority management unit according to the present invention.

상기 권한 관리부(334)는 도 23에 도시된 바와 같이, 권한 등록모듈(334a) 및 권한 부여모듈(334b)을 포함한다.The authority management unit 334 includes an authority registration module 334a and an authority grant module 334b, as shown in FIG. 23.

상기 권한 등록모듈(334a)은 사용자의 권한을 등록하여 해당 사용자를 작업자, 검수자 및 검색자로 구분할 수 있다.The authority registration module 334a may register the user's authority and classify the user into an operator, an inspector, and a searcher.

도 24는 본 발명에 따른 권한 등록모듈의 구체적인 실시도이다.24 is a detailed implementation diagram of the authority registration module according to the present invention.

구체적으로, 권한 등록모듈(334a)은 도 24에 도시된 바와 같이, 권한 이름, 권한 설명에 대한 권한 리스트를 제공하고, 특정 사용자에 대한 권한 등록시 권한 등록 팝업을 노출하며, 권한 삭제시 권한 삭제 팝업을 노출할 수 있다.Specifically, the permission registration module 334a provides a permission list for permission names and permission descriptions, as shown in FIG. 24, exposes permission registration pop-ups when registering permission for a specific user, and permission deletion pop-up when permission is deleted. Can be exposed.

상기 권한 부여모듈(334b)은 작업자, 검수자 및 검색자에게 각각의 권한을 부여할 수 있다.The authority granting module 334b may grant each authority to an operator, an inspector, and a searcher.

도 25는 본 발명에 따른 권한 부여모듈의 구체적인 실시도이다.25 is a detailed implementation diagram of the authorization module according to the present invention.

구체적으로, 권한 부여모듈(334b)은 도 25에 도시된 바와 같이, 사용자에게 부여할 권한을 선택한 후, 작업자, 검수자 및 검색자에 각각 매칭되는 권한을 부여함으로써, 작업자는 객체 영역 지정부(322)에서 제공되는 툴을 이용가능하게 하고, 검수자는 객체 영역 검수부(323)에서 제공되는 툴을 이용가능하게 하며, 검색자는 학습데이터 검출부(340)에서 제공되는 툴을 이용가능하게 할 수 있다.Specifically, as shown in FIG. 25, the authorization module 334b selects the authorization to be granted to the user, and then grants matching authorizations to the operator, the inspector, and the searcher, so that the operator ), the inspector makes the tool provided by the object area inspection unit 323 available, and the searcher makes the tool provided by the learning data detector 340 available.

상기 학습데이터 검출부(340)는 학습 이미지 데이터의 검색툴을 제공하여 검색결과에 따른 인공지능이 학습할 학습 이미지 데이터를 제공할 수 있다.The learning data detection unit 340 may provide a learning image data search tool to provide learning image data for artificial intelligence to learn according to a search result.

여기서, 상기 학습데이터 검출부(340)는 학습 이미지 데이터의 이미지 타입, 객체별 영역, 메타 데이터를 기초로 학습 이미지 데이터를 검색할 수 있는 검색툴을 제공할 수 있는데, 여기서, 메타 데이터는 객체의 표정, 성별, 나이를 포함할 수 있다.Here, the learning data detection unit 340 may provide a search tool capable of searching for learning image data based on an image type of the learning image data, an area for each object, and metadata, wherein the metadata is an expression of an object. , Gender and age may be included.

도 26은 본 발명에 따른 학습데이터 검출부의 구체적인 실시도이다.26 is a detailed implementation diagram of a learning data detection unit according to the present invention.

구체적으로, 학습데이터 검출부(340)는 검색자 단말(130)이 학습데이터 제공서버에 접속하는 경우, 도 26에 도시된 바와 같이, 이미지 타입, 객체별 영역, 메타 데이터(표정, 성별, 나이 등)를 포함하는 검색툴을 제공함으로써 해당 검색자가 해당 검색툴을 통해 인공지능이 학습할 학습 이미지 데이터를 검색하여 제공받도록 할 수 있다.Specifically, when the searcher terminal 130 connects to the learning data providing server, the learning data detection unit 340, as shown in FIG. 26, provides an image type, an object-specific area, and metadata (expression, gender, age, etc.). By providing a search tool including ), the searcher can search for and receive training image data for artificial intelligence to learn through the search tool.

이상과 같이 본 발명에 따른 인공지능 기반의 학습데이터셋 제공 시스템을 예시한 도면을 참조로 하여 설명하였으나, 본 명세서에 개시된 실시예와 도면에 의해 본 발명이 한정되는 것은 아니며, 본 발명의 기술사상 범위 내에서 당업자에 의해 다양한 변형이 이루어질 수 있음은 물론이다.As described above, with reference to the drawings illustrating an artificial intelligence-based learning data set providing system according to the present invention, the present invention is not limited by the embodiments and drawings disclosed in the present specification, and the technical idea of the present invention It goes without saying that various modifications can be made by those skilled in the art within the range.

100:사용자 단말 110:작업자 단말
120:검수자 단말 121:제1 검수자 단말
122:제2 검수자 단말 130:검색자 단말
200:관리자 단말 300:학습데이터 제공서버
310:회원 등록부 311:작업자 회원 관리부
311a:작업자 회원 등록모듈 311b:작업자 회원 인증모듈
311c:작업자 접속 허용모듈 312:검수자 회원 관리부
312a:검수자 회원 등록모듈 312b:검수자 회원 인증모듈
312c:검수자 접속 허용모듈 313:검색자 회원 관리부
313a:검색자 회원 등록모듈 313b:검색자 회원 인증모듈
313c:검색자 접속 허용모듈 320:학습데이터 생성부
321:이미지 데이터 획득부 321a:이미지 데이터 수집모듈
321b:이미지 데이터 분류모듈 321c:이미지 데이터 저장모듈
321d:메타 데이터 생성모듈 322:객체 영역 지정부
323:객체 영역 검수부 323a:제1 검수자 검수모듈
323b:제2 검수자 검수모듈 324:학습데이터 생성부
330:데이터 관리부 331:이미지 데이터 관리부
331a:데이터 업로드모듈 331b:데이터 배정모듈
332:항목 관리부 332a:타입 관리모듈
332b:객체 관리모듈 332c:메타 관리모듈
333:사용자 관리부 334:권한 관리부
334a:권한 등록모듈 334b:권한 부여모듈
340:학습데이터 검출부 400:유무선 통신망
100: user terminal 110: worker terminal
120: inspector terminal 121: first inspector terminal
122: second inspector terminal 130: searcher terminal
200: administrator terminal 300: learning data providing server
310: Member registration department 311: Worker member management department
311a: Worker member registration module 311b: Worker member authentication module
311c: Worker access permission module 312: Inspector member management unit
312a: Examiner member registration module 312b: Examiner member authentication module
312c: Inspector access permission module 313: Searcher member management unit
313a: searcher member registration module 313b: searcher member authentication module
313c: searcher access permission module 320: learning data generation unit
321: image data acquisition unit 321a: image data acquisition module
321b: image data classification module 321c: image data storage module
321d: metadata generation module 322: object area designation unit
323: object area inspection unit 323a: first inspector inspection module
323b: second inspector inspection module 324: learning data generation unit
330: data management unit 331: image data management unit
331a: data upload module 331b: data allocation module
332: item management unit 332a: type management module
332b: object management module 332c: meta management module
333: user management unit 334: authority management unit
334a: permission registration module 334b: permission grant module
340: learning data detection unit 400: wired/wireless communication network

Claims (15)

사용자 단말;
상기 사용자 단말의 사용자와, 해당 사용자의 권한을 관리하는 관리자 단말; 및
상기 사용자 단말 및 관리자 단말과 각각 유무선 통신망을 통해 서로 연결되고, 이미지 데이터를 수집하여 해당 이미지 데이터에 포함된 객체별 영역을 지정하여 각각의 객체가 구분지어진 학습 이미지 데이터를 생성하는 학습데이터 제공서버;를 포함하고,
상기 사용자 단말은,
상기 학습데이터 제공서버에 접속하여, 작업자의 입력에 의해 상기 이미지 데이터에 포함된 객체별 영역을 지정하는 작업자 단말;
상기 학습데이터 제공서버에 접속하여, 작업자의 입력에 의해 상기 작업자 단말이 지정한 상기 이미지 데이터의 객체별 영역을 검수하는 검수자 단말; 및
상기 학습데이터 제공서버에 접속하여 검색툴을 통해 인공지능에 제공할 학습 이미지 데이터를 검색하여 제공받는 검색자 단말;을 포함하며,
상기 검수자 단말은, 작업자의 입력에 의해 상기 작업자 단말이 지정한 상기 이미지 데이터의 객체별 영역을 검수하여 승인한다는 승인정보를 생성하거나 반려한다는 반려정보를 생성하여 작업자 단말에 전달하는 제1 검수자 단말; 및 작업자의 입력에 의해 상기 제1 검수자 단말이 상기 승인 정보를 생성한 이미지 데이터의 객체별 영역을 검수하여 최종승인한다는 최종승인 정보를 생성하거나 반려한다는 반려정보를 생성하여 작업자 단말에 전달하는 제2 검수자 단말;을 포함하고,
상기 학습데이터 제공서버는,
작업자, 검수자 및 검색자의 회원 정보를 각각 등록하여 회원 인증하는 회원 등록부;
상기 이미지 데이터를 수집한 후, 해당 이미지 데이터에 포함된 객체별 영역을 지정하여 인공지능이 학습할 이미지 데이터로 각각의 객체가 구분지어진 학습 이미지 데이터를 생성하는 학습데이터 생성부;
상기 이미지 데이터, 이미지 데이터의 항목, 사용자 단말의 사용자 및 사용자의 권한을 각각 관리하는 데이터 관리부; 및
상기 학습 이미지 데이터의 검색툴을 제공하여 검색결과에 따른 인공지능이 학습할 학습 이미지 데이터를 제공하는 학습데이터 검출부;를 포함하되,
상기 학습데이터 생성부는,
상기 이미지 데이터 중 객체별 영역을 지정할 이미지 데이터 리스트를 상기 작업자 단말에 표시하고, 작업자 단말이 이미지 데이터 리스트 중 특정 이미지 데이터를 선택하는 경우 해당 이미지 데이터의 객체별 영역을 지정하는 툴을 제공하고,
작업자 단말이 객체별 영역을 지정한 이미지 데이터 리스트를 상기 검수자 단말에 표시하고, 검수자 단말이 상기 이미지 데이터 리스트 중 특정 이미지 데이터를 선택하는 경우 해당 이미지 데이터의 객체별 영역을 확인하는 툴을 제공하며, 최종 승인된 경우 해당 이미지 데이트를 학습 이미지 데이터로 생성하는 것을 특징으로 하는 인공지능 기반의 학습데이터셋 제공 시스템.
User terminal;
An administrator terminal for managing the user of the user terminal and the authority of the user; And
A learning data providing server that is connected to each other through a wired/wireless communication network with the user terminal and the manager terminal, collects image data and designates a region for each object included in the image data to generate learning image data in which each object is classified; Including,
The user terminal,
An operator terminal accessing the learning data providing server and designating an object-specific area included in the image data according to an input of an operator;
An inspector terminal for accessing the learning data providing server and inspecting an object-specific area of the image data designated by the operator terminal according to an input of an operator; And
Includes; a searcher terminal connected to the learning data providing server to search for and receive learning image data to be provided to artificial intelligence through a search tool,
The inspector terminal may include: a first inspector terminal for generating approval information for inspecting and approving an object-specific area of the image data designated by the operator terminal according to an input of the operator, or generating rejection information for rejecting and transmitting it to the operator terminal; And a second in which the first inspector terminal inspects the object-specific area of the image data for which the approval information was generated by the input of the worker, and generates final approval information for final approval, or generates rejection information for rejection and delivers it to the worker terminal. Including; inspector terminal;
The learning data providing server,
A member registration unit for registering member information of a worker, an inspector, and a searcher, respectively, to authenticate a member;
After collecting the image data, a learning data generation unit that designates an area for each object included in the corresponding image data to generate training image data in which each object is classified as image data to be learned by the artificial intelligence;
A data management unit that manages the image data, items of image data, a user of a user terminal, and a user's authority, respectively; And
Including; a learning data detection unit that provides a search tool for the learning image data to provide learning image data to be learned by the artificial intelligence according to the search result.
The learning data generation unit,
An image data list to designate an area for each object among the image data is displayed on the worker terminal, and when the worker terminal selects specific image data from the image data list, a tool for designating an object-specific area of the image data is provided,
When the operator terminal displays an image data list in which an object-specific area is specified on the inspector terminal, and the inspector terminal selects specific image data from the image data list, it provides a tool to check the object-specific area of the image data. If approved, an artificial intelligence-based learning data set providing system, characterized in that the image data is generated as training image data.
삭제delete 제 1항에 있어서,
상기 회원 등록부는,
상기 작업자의 회원 정보를 등록하여 회원 인증하는 작업자 회원 관리부;
상기 검수자의 회원 정보를 등록하여 회원 인증하는 검수자 회원 관리부; 및
상기 검색자의 회원 정보를 등록하여 회원 인증하는 검색자 회원 관리부;를 포함하고,
상기 작업자 회원 관리부는,
상기 작업자의 회원 정보를 등록하는 작업자 회원 등록모듈;
상기 작업자의 회원 정보를 인증하는 작업자 회원 인증모듈; 및
상기 작업자 중 회원 인증된 작업자에게 상기 학습데이터 제공서버의 접속을 허용하는 작업자 접속 허용모듈;을 포함하며,
상기 검수자 회원 관리부는,
상기 검수자의 회원 정보를 등록하는 검수자 회원 등록모듈;
상기 검수자의 회원 정보를 인증하는 검수자 회원 인증모듈; 및
상기 검수자 중 회원 인증된 검수자에게 상기 학습데이터 제공서버의 접속을 허용하는 검수자 접속 허용모듈;을 포함하고,
상기 검색자 회원 관리부는,
상기 검색자의 회원 정보를 등록하는 검색자 회원 등록모듈;
상기 검색자의 회원 정보를 인증하는 검색자 회원 인증모듈; 및
상기 검색자 중 회원 인증된 검색자에게 상기 학습데이터 제공서버의 접속을 허용하는 검색자 접속 허용모듈;을 포함하는 것을 특징으로 하는 인공지능 기반의 학습데이터셋 제공 시스템.
The method of claim 1,
The member registration unit,
A worker member management unit that registers member information of the worker to authenticate a member;
An inspector member management unit for registering member information of the inspector to authenticate a member; And
Including; a searcher member management unit for registering the member information of the searcher to authenticate a member,
The worker member management unit,
A worker member registration module for registering member information of the worker;
A worker member authentication module for authenticating member information of the worker; And
Includes; a worker access permission module for allowing access to the learning data providing server to a member of the worker authenticated,
The inspector member management unit,
An inspector member registration module for registering member information of the inspector;
An inspector member authentication module for authenticating the inspector's member information; And
Including; a reviewer access permission module for allowing access to the learning data providing server to a member-authenticated reviewer among the reviewers,
The searcher member management unit,
A searcher member registration module for registering member information of the searcher;
A searcher member authentication module for authenticating member information of the searcher; And
And a searcher access permission module for allowing access to the learning data providing server to a searcher who has been authenticated as a member of the searchers.
제 1항에 있어서,
상기 학습데이터 생성부는,
이미지 데이터를 수집한 후 특정 객체 조건을 만족하는 이미지 데이터만을 분류하여 획득하는 이미지 데이터 획득부;
상기 이미지 데이터 획득부에서 획득된 이미지 데이터에 포함된 객체별 영역을 지정하는 객체 영역 지정부;
상기 객체 영역 지정부에서 지정된 이미지 데이터의 객체별 영역을 검수하는 객체 영역 검수부; 및
상기 객체 영역 검수부에서 검수한 객체별 영역을 승인하는 경우 해당 이미지 데이터를 학습 이미지 데이터로 생성하는 학습이미지 데이터 생성부;를 포함하는 것을 특징으로 하는 인공지능 기반의 학습데이터셋 제공 시스템.
The method of claim 1,
The learning data generation unit,
An image data acquisition unit that collects image data and then classifies and acquires only image data satisfying a specific object condition;
An object area designation unit that designates an area for each object included in the image data acquired by the image data acquisition unit;
An object area inspection unit that inspects an object-specific area of the image data designated by the object area designation unit; And
And a learning image data generation unit that generates corresponding image data as training image data when the object area inspection unit approves the area for each object. The system for providing a learning data set based on artificial intelligence, comprising: a.
제 4항에 있어서,
상기 이미지 데이터 획득부는,
웹 사이트에서 특정 키워드를 이용하여 특정 이미지 데이터를 수집하는 이미지 데이터 수집모듈;
상기 이미지 데이터 수집모듈에서 수집된 이미지 데이터 중 특정 객체 조건을 만족하는 이미지 데이터만을 필터링하여 이미지 데이터를 분류하는 이미지 데이터 분류모듈;
상기 이미지 데이터 분류모듈에서 분류된 이미지 데이터를 임시 저장하는 이미지 데이터 저장모듈; 및
상기 이미지 데이터 분류모듈에서 분류된 이미지 데이터의 메타 데이터를 생성하는 메타 데이터 생성모듈;을 포함하는 것을 특징으로 하는 인공지능 기반의 학습데이터셋 제공 시스템.
The method of claim 4,
The image data acquisition unit,
An image data collection module for collecting specific image data by using a specific keyword on a website;
An image data classification module for classifying image data by filtering only image data satisfying a specific object condition among image data collected by the image data collection module;
An image data storage module temporarily storing the image data classified by the image data classification module; And
And a meta data generation module that generates meta data of image data classified by the image data classification module.
제 5항에 있어서,
상기 객체 영역 지정부는,
상기 이미지 데이터 중 객체 영역을 지정할 이미지 데이터 리스트를 작업자 단말에 표시하되,
상기 작업자 단말이 상기 이미지 데이터 리스트 중 특정 이미지 데이터를 선택하는 경우, 해당 이미지 데이터의 객체별 영역을 지정하는 툴을 제공하는 것을 특징으로 하는 인공지능 기반의 학습데이터셋 제공 시스템.
The method of claim 5,
The object area designation unit,
Displaying an image data list to designate an object area among the image data on the operator terminal,
When the operator terminal selects specific image data from the image data list, an artificial intelligence-based learning data set providing system, characterized in that it provides a tool for designating an object-specific area of the image data.
제 6항에 있어서,
상기 객체 영역 검수부는,
상기 작업자 단말이 지정한 상기 이미지 데이터의 객체별 영역을 검수하는 제1 검수자 검수모듈; 및
상기 제1 검수자 단말이 승인한 상기 이미지 데이터의 객체별 영역을 검수하는 제2 검수자 검수모듈;을 포함하는 것을 특징으로 하는 인공지능 기반의 학습데이터셋 제공 시스템.
The method of claim 6,
The object area inspection unit,
A first inspector inspection module for inspecting an object-specific area of the image data designated by the operator terminal; And
And a second inspector inspection module for inspecting an object-specific area of the image data approved by the first inspector terminal.
제 7항에 있어서,
상기 제1 검수자 검수모듈은,
작업자 리스트를 제1 검수자 단말에 표시하되,
상기 제1 검수자 단말이 상기 작업자 리스트 중 특정 작업자를 선택하는 경우, 해당 작업자의 작업 이미지 리스트를 표시하고,
상기 제1 검수자 단말이 상기 작업 이미지 리스트 중 특정 작업 이미지를 선택하는 경우, 해당 작업 이미지의 객체별 영역을 확인하는 툴을 제공하는 것을 특징으로 하는 인공지능 기반의 학습데이터셋 제공 시스템.
The method of claim 7,
The first inspector inspection module,
Display the worker list on the first inspector terminal,
When the first inspector terminal selects a specific worker from the worker list, displays a list of work images of the worker,
When the first inspector terminal selects a specific work image from the work image list, an artificial intelligence-based learning data set providing system, characterized in that it provides a tool for checking an object-specific area of the work image.
제 8항에 있어서,
상기 제2 검수자 검수모듈은,
작업자 리스트를 제2 검수자 단말에 표시하되,
상기 제2 검수자 단말이 상기 작업자 리스트 중 특정 작업자를 선택하는 경우, 해당 작업자의 제1 검수자 단말에 의해 검수가 완료된 작업 이미지 리스트를 표시하고,
상기 제2 검수자 단말이 상기 작업 이미지 리스트 중 특정 작업 이미지를 선택하는 경우, 해당 작업 이미지의 객체별 영역을 확인하는 툴을 제공하는 것을 특징으로 하는 인공지능 기반의 학습데이터셋 제공 시스템.
The method of claim 8,
The second inspector inspection module,
Display the worker list on the second inspector terminal,
When the second inspector terminal selects a specific worker from the worker list, a list of work images that have been inspected by the first inspector terminal of the worker are displayed, and
When the second inspector terminal selects a specific work image from the work image list, an artificial intelligence-based learning data set providing system, characterized in that it provides a tool for checking an object-specific area of the work image.
제 9항에 있어서,
상기 학습 이미지 데이터 생성부는,
상기 제2 검수자 단말이 상기 작업자 리스트 중 특정 작업자의 특정 작업 이미지의 객체별 영역을 확인하여 해당 객체별 영역을 최종승인하는 경우,
해당 영역의 점좌표 기준의 마스크 파일인 학습 이미지 데이터를 생성하는 것을 특징으로 하는 인공지능 기반의 학습데이터셋 제공 시스템.
The method of claim 9,
The training image data generation unit,
When the second inspector terminal checks the area for each object of the specific work image of a specific worker in the worker list and finally approves the area for each object,
An artificial intelligence-based training data set providing system, characterized in that generating training image data that is a mask file based on point coordinates of a corresponding area.
제 10항에 있어서,
상기 데이터 관리부는,
상기 이미지 데이터가 최종 저장될 폴더를 등록하여 해당 폴더에 이미지 데이터를 업로드하여 저장하고, 해당 이미지 데이터의 객체별 영역을 지정하기 위해 이미지 데이터를 작업자 단말에 배정하는 이미지 데이터 관리부;
상기 이미지 데이터의 항목인 이미지 타입, 해당 이미지 타입에 해당하는 객체수 및 메타수를 각각 관리하는 항목 관리부;
상기 학습데이터 제공서버에 접속하는 사용자의 사용자 정보를 기초로 해당 사용자를 등록 및 삭제하거나, 기등록된 사용자의 사용자 정보를 수정하여 관리하는 사용자 관리부; 및
상기 사용자의 권한을 등록하여 해당 사용자를 작업자, 검수자 및 검색자로 구분한 후 각각의 사용자에게 매칭되는 권한을 부여하는 권한 관리부;를 포함하는 것을 특징으로 하는 인공지능 기반의 학습데이터셋 제공 시스템.
The method of claim 10,
The data management unit,
An image data management unit that registers a folder in which the image data will be finally stored, uploads and stores image data in the folder, and allocates image data to a worker terminal to designate an object-specific area of the image data;
An item management unit for managing an image type, which is an item of the image data, an object number and a meta number corresponding to the image type, respectively;
A user management unit that registers and deletes a corresponding user based on user information of a user accessing the learning data providing server, or modifies and manages user information of a previously registered user; And
And an authority management unit that registers the user's authority to classify the user into an operator, an inspector, and a searcher, and then grants matching authority to each user.
제 11항에 있어서,
상기 이미지 데이터 관리부는,
상기 폴더를 등록하여 이미지 데이터를 해당 폴더에 업로드하는 데이터 업로드모듈; 및
상기 폴더에 업로드된 특정 이미지 데이터를 특정 작업자 단말에 배정하는 데이터 배정모듈;을 포함하는 것을 특징으로 하는 인공지능 기반의 학습데이터셋 제공 시스템.
The method of claim 11,
The image data management unit,
A data upload module for registering the folder and uploading image data to the folder; And
And a data allocation module for allocating specific image data uploaded to the folder to a specific worker terminal.
제 12항에 있어서,
상기 항목 관리부는,
상기 이미지 데이터의 이미지 타입을 등록하고 수정하는 타입 관리모듈;
상기 이미지 타입의 객체수를 등록 및 수정하는 객체 관리모듈; 및
상기 이미지 타입의 메타수를 등록 및 수정하는 메타 관리모듈;을 포함하는 것을 특징으로 하는 인공지능 기반의 학습데이터셋 제공 시스템.
The method of claim 12,
The item management unit,
A type management module for registering and modifying an image type of the image data;
An object management module for registering and modifying the number of objects of the image type; And
And a meta management module for registering and modifying the meta number of the image type.
제 13항에 있어서,
상기 권한 관리부는,
상기 사용자의 권한을 등록하여 해당 사용자를 작업자, 검수자 및 검색자로 구분하는 권한 등록모듈; 및
상기 작업자, 검수자 및 검색자에게 각각의 권한을 부여하는 권한 부여모듈;을 포함하는 것을 특징으로 하는 인공지능 기반의 학습데이터셋 제공 시스템.
The method of claim 13,
The authority management unit,
An authority registration module for registering the user's authority and classifying the user into an operator, an inspector, and a searcher; And
And an authorization module for granting respective authorizations to the operator, the inspector, and the searcher. 14. A system for providing learning data sets based on artificial intelligence, comprising: a.
제 14항에 있어서,
상기 학습데이터 검출부는,
상기 학습 이미지 데이터의 이미지 타입, 객체별 영역, 메타 데이터를 기초로 학습 이미지 데이터를 검색할 수 있는 검색툴을 제공하고,
상기 메타 데이터는 객체의 표정, 성별, 나이를 포함하는 것을 특징으로 하는 인공지능 기반의 학습데이터셋 제공 시스템.
The method of claim 14,
The learning data detection unit,
Providing a search tool capable of searching for learning image data based on an image type of the learning image data, an area for each object, and metadata,
The meta data is an artificial intelligence-based learning data set providing system, characterized in that the expression, gender, and age of the object.
KR1020180115262A 2018-09-27 2018-09-27 Learning dataset providing system based on artificial intelligence KR102203320B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180115262A KR102203320B1 (en) 2018-09-27 2018-09-27 Learning dataset providing system based on artificial intelligence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180115262A KR102203320B1 (en) 2018-09-27 2018-09-27 Learning dataset providing system based on artificial intelligence

Publications (2)

Publication Number Publication Date
KR20200039035A KR20200039035A (en) 2020-04-16
KR102203320B1 true KR102203320B1 (en) 2021-01-15

Family

ID=70454741

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180115262A KR102203320B1 (en) 2018-09-27 2018-09-27 Learning dataset providing system based on artificial intelligence

Country Status (1)

Country Link
KR (1) KR102203320B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022197157A1 (en) * 2021-03-18 2022-09-22 가톨릭대학교 산학협력단 Deep learning-based device and method for automatically detecting nonperfusion region in fundus fluorescence angiography image

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102156586B1 (en) * 2020-05-08 2020-09-17 주식회사 크라우드웍스 Method for sequentially assigning work and inspection of crowdsourcing based project for artificial intelligence training data generation
KR102232859B1 (en) * 2020-05-12 2021-03-29 주식회사 크라우드웍스 Method for automatically generating a worker pool based on the functional elements and difficulty of crowdsourcing based projects for artificial intelligence training data generation
KR102183840B1 (en) * 2020-06-12 2020-11-30 주식회사 크라우드웍스 Method for adjusting inspection order considering competence of worker of crowdsourcing based project for artificial intelligence training data generation
KR102169334B1 (en) * 2020-06-12 2020-10-26 주식회사 크라우드웍스 Method for adjusting inspection standards of inspectors by comparing inspection results of crowdsourcing based projects for artificial intelligence training data generation
KR102195631B1 (en) * 2020-07-03 2020-12-29 주식회사 크라우드웍스 Method for automatically granting inspection authority to workers based on the results of the work of crowdsourcing based projects for artificial intelligence training data generation
KR102195608B1 (en) * 2020-07-03 2020-12-29 주식회사 크라우드웍스 Method for automatically returning using object return rate of crowdsourcing based project for artificial intelligence training data generation
KR102195632B1 (en) * 2020-07-03 2020-12-29 주식회사 크라우드웍스 Method for calculating maximum wor result quantity by selecting available worker of crowdsourcing based project for artificial intelligence training data generation
KR102232909B1 (en) * 2020-07-03 2021-03-29 주식회사 크라우드웍스 Method for providing reason for rejection based on similar work pattern information for each worker a crowdsourcing based projects for airtificial intelligence training data generation
KR102205810B1 (en) * 2020-07-07 2021-01-21 주식회사 크라우드웍스 Method for automatically returning rework result of crowdsourcing based project for artificial intelligence training data generation
KR102195961B1 (en) * 2020-07-20 2020-12-29 주식회사 크라우드웍스 Method for applying the number of work limits per workers in a crowdsourcing based projects for artificial intelligence training data generation
KR102195962B1 (en) * 2020-07-21 2020-12-29 주식회사 크라우드웍스 Method for guaranteeing quantity of work for excellent worker in project based on crowdsourcing for artificial intelligence training data generation
KR102195955B1 (en) * 2020-07-21 2020-12-29 주식회사 크라우드웍스 Method for reassigning work having history of return of crowdsourcing based project for artificial intelligence training data generation
KR102457962B1 (en) * 2020-10-30 2022-10-24 한국과학기술정보연구원 Method and apparatus for extracting metadata of thesis
KR102467096B1 (en) * 2020-10-30 2022-11-15 한국과학기술정보연구원 Method and apparatus for checking dataset to learn extraction model for metadata of thesis
KR102310591B1 (en) * 2021-03-19 2021-10-13 주식회사 인피닉 Method for controlling annotation work, and computer program recorded on record-medium for executing method therefor
CN116244590B (en) * 2022-11-21 2024-06-28 中国人民解放军63921部队 Data acquisition method and system for army training effect evaluation

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009282686A (en) 2008-05-21 2009-12-03 Toshiba Corp Apparatus and method for learning classification model
KR101879735B1 (en) 2017-03-15 2018-07-18 (주)넥셀 Method and apparatus for automatic generating training data and self-learning apparatus and method using the same

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101543680B1 (en) * 2011-11-24 2015-08-11 주식회사 버즈니 Entity searching and opinion mining system of hybrid-based using internet and method thereof
KR20180069312A (en) * 2016-12-15 2018-06-25 한국전자통신연구원 Method for tracking of object using light field video and apparatus thereof

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009282686A (en) 2008-05-21 2009-12-03 Toshiba Corp Apparatus and method for learning classification model
KR101879735B1 (en) 2017-03-15 2018-07-18 (주)넥셀 Method and apparatus for automatic generating training data and self-learning apparatus and method using the same

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022197157A1 (en) * 2021-03-18 2022-09-22 가톨릭대학교 산학협력단 Deep learning-based device and method for automatically detecting nonperfusion region in fundus fluorescence angiography image
KR20220130511A (en) * 2021-03-18 2022-09-27 가톨릭대학교 산학협력단 Device and method for detecting of nonperfusion area in fluorescence angiography image based on deep learning model
KR102543937B1 (en) * 2021-03-18 2023-06-14 가톨릭대학교 산학협력단 Device and method for detecting of nonperfusion area in fluorescence angiography image based on deep learning model

Also Published As

Publication number Publication date
KR20200039035A (en) 2020-04-16

Similar Documents

Publication Publication Date Title
KR102203320B1 (en) Learning dataset providing system based on artificial intelligence
JP5869054B2 (en) Method and apparatus for incorporating automatic face recognition in a digital image collection
US8311337B2 (en) Systems and methods for organizing and accessing feature vectors in digital images
US10984077B2 (en) Information processing apparatus, information processing method, and information processing program
US20160004741A1 (en) Method and apparatus for managing corporate data
TW201415264A (en) Forensic system, forensic method, and forensic program
Llerena-Izquierdo et al. Mobile application with cloud-based computer vision capability for university students’ library services
CN110765301B (en) Picture processing method, device, equipment and storage medium
JP7488821B2 (en) Image Management Using Region-Based Metadata Indexing
CN109800147B (en) Test case generation method and terminal equipment
EP3408797B1 (en) Image-based quality control
KR20160120583A (en) Knowledge Management System and method for data management based on knowledge structure
US20240273230A1 (en) System and method for managing data access requests
Ndenga et al. Performance and cost-effectiveness of change burst metrics in predicting software faults
Ishikawa et al. A data model for integrating data management and data mining in social big data
JP2014074943A (en) Character impartation program, character impartation method and information processor
US11321409B2 (en) Performing a search based on position information
Trifonov et al. Methodology for Assessment of Open Data
Netinant et al. Exploring the Potential of Information Flow Diagram (IFD) in Graduate Digital Library System Design and Development
Tomat Current Trends in IoT Research
Gupta et al. Forensic Face Sketch Construction and Recognition
CN113792168A (en) Method, system, electronic device and storage medium for self-maintenance of human face bottom library
Vuković Identity resolving and grouping of digital evidence of suspects using face recognition technologies and software intelligent agents system based on nonaxiomatic reasoning
KR20240131875A (en) Data matching system for attached file and method performing thereof
CN114911986A (en) Information base processing method, server and storage medium

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant