[go: up one dir, main page]

KR102304701B1 - 사용자의 음성 입력에 대한 답변을 제공하는 방법 및 장치 - Google Patents

사용자의 음성 입력에 대한 답변을 제공하는 방법 및 장치 Download PDF

Info

Publication number
KR102304701B1
KR102304701B1 KR1020170039303A KR20170039303A KR102304701B1 KR 102304701 B1 KR102304701 B1 KR 102304701B1 KR 1020170039303 A KR1020170039303 A KR 1020170039303A KR 20170039303 A KR20170039303 A KR 20170039303A KR 102304701 B1 KR102304701 B1 KR 102304701B1
Authority
KR
South Korea
Prior art keywords
user
image
voice input
information
intention
Prior art date
Legal status (The legal status 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 status listed.)
Expired - Fee Related
Application number
KR1020170039303A
Other languages
English (en)
Other versions
KR20180109499A (ko
Inventor
이종률
손영철
박규태
이기범
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020170039303A priority Critical patent/KR102304701B1/ko
Priority to PCT/KR2018/002847 priority patent/WO2018182201A1/ko
Priority to US16/489,485 priority patent/US11227594B2/en
Publication of KR20180109499A publication Critical patent/KR20180109499A/ko
Application granted granted Critical
Publication of KR102304701B1 publication Critical patent/KR102304701B1/ko
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/002—Specific input/output arrangements not covered by G06F3/01 - G06F3/16
    • G06F3/005—Input arrangements through a video camera
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/263—Language identification
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/092—Reinforcement learning
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/005—Language recognition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/24—Speech recognition using non-acoustical features
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/60—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for measuring the quality of voice signals
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1822—Parsing for meaning understanding
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/225—Feedback of the input speech
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Medical Informatics (AREA)
  • Child & Adolescent Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

디바이스가 사용자의 음성 입력에 대한 답변을 제공하는 방법에 있어서, 디바이스의 카메라를 통하여 적어도 하나의 객체가 포함된 이미지를 디스플레이하고, 이미지가 촬영됨에 따라 디바이스의 마이크를 활성화하고, 마이크를 통하여 객체에 대한 사용자의 음성 입력을 수신하고, 수신된 음성 입력을 분석함으로써 객체에 관한 사용자의 의도를 결정하고, 결정된 사용자의 의도에 기초하여 객체에 관한 답변을 제공하는 방법이 개시된다.

Description

사용자의 음성 입력에 대한 답변을 제공하는 방법 및 장치 {METHOD AND APPARATUS FOR PROVIDNG RESPONSE TO USER'S VOICE INPUT}
본 개시는 사용자의 음성 입력에 대한 답변을 제공하는 방법 및 장치를 제공한다.
최근 대량의 데이터가 지속적으로 축적되어가고 있고, CPU 등 관련 하드웨어의 성능이 개선되고 있으며, 딥 러닝(deep learning)과 같이 자기 학습이 가능한 알고리즘의 발전됨에 따라, 기계학습과 인공신경망을 이용하는 전자 장치에 대한 관심이 높아지고 있다.
빅 데이터를 자기 학습을 통해 확률적으로 인식률을 높일 수 있도록 하는 기계 학습과 인공 신경망 기술을 통해, 전자 장치가 사람과 유사하게 합리적인 의사결정을 수행할 수 있게 되었다.
디바이스를 이용하여 사용자의 음성 입력에 대한 답변을 제공하는 방법에 딥 러닝이 이용될 수 있으며, 이에 따라 사용자의 의도에 따라 효과적으로 답변을 제공할 수 있는 딥 러닝 기술이 요구되고 있다.
사용자의 음성 입력에 대한 답변을 제공하는 방법 및 장치를 제공하는데 있다. 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 이하의 실시예들로부터 또 다른 기술적 과제들이 유추될 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 개시의 제1 측면은, 상기 디바이스의 카메라를 통하여 적어도 하나의 객체가 포함된 이미지를 디스플레이하는 단계; 상기 이미지가 촬영됨에 따라, 상기 디바이스의 마이크를 활성화하는 단계; 상기 마이크를 통하여, 상기 객체에 대한 사용자의 음성 입력을 수신하는 단계; 상기 수신된 음성 입력을 분석함으로써 상기 객체에 관한 상기 사용자의 의도를 결정하는 단계; 및 상기 결정된 사용자의 의도에 기초하여 상기 객체에 관한 답변을 제공하는 단계;를 포함하는, 디바이스가 사용자의 음성 입력에 대한 답변을 제공하는 방법을 제공할 수 있다.
또한, 본 개시의 제 2 측면은, 상기 디바이스의 카메라를 통하여, 적어도 하나의 객체가 포함된 이미지를 수신하고, 상기 디바이스의 마이크를 통하여, 상기 객체에 대한 사용자의 음성 입력을 수신하는 입력부; 적어도 하나의 인스트럭션을 저장하기 위한 메모리; 및 상기 메모리에 저장된 상기 적어도 하나의 인스트럭션을 실행하는 적어도 하나의 프로세서를 포함하고, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 상기 이미지가 촬영됨에 따라, 상기 디바이스의 마이크를 활성화하고, 상기 마이크를 통하여 수신된 상기 음성 입력을 분석함으로써 상기 객체에 관한 상기 사용자의 의도를 결정하고, 상기 결정된 사용자의 의도에 기초하여 상기 객체에 관한 답변을 제공하는, 사용자의 음성 입력에 대한 답변을 제공하는 디바이스를 제공할 수 있다.
또한, 본 개시의 제 3 측면은, 제 1 측면의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다.
도 1은 일 실시예에 따른, 디바이스가 사용자의 음성 입력에 대한 답변을 제공하는 예시를 설명하는 도면이다.
도 2는 일 실시예에 따른, 사용자의 음성 입력에 대한 답변을 제공하는 방법의 흐름도이다.
도 3은 일 실시예에 따른 사용자 억양 정보를 이용하여 사용자의 음성 입력에 대한 답변을 제공하는 예시를 설명하는 도면이다.
도 4는 일 실시예에 따른 사용자 감정 정보를 이용하여 사용자의 음성 입력에 대한 답변을 제공하는 예시를 설명하는 도면이다.
도 5는 일 실시예에 따른 사용자가 사용하는 언어의 종류에 기초하여 사용자의 음성 입력에 대한 답변을 제공하는 예시를 설명하는 도면이다.
도 6은 일 실시예에 따른 사용자가 사용하는 방언(dialect)에 기초하여 사용자의 음성 입력에 대한 답변을 제공하는 예시를 설명하는 도면이다.
도 7은 일 실시예에 따른 사용자의 의도와 관련된 부가 정보와 함께 사용자의 음성 입력에 대한 답변을 제공하는 예시를 설명하는 도면이다.
도 8은 일 실시예에 따른, 디스플레이된 이미지의 일부 영역에 대한, 사용자의 음성 입력 대한 답변을 제공하는 예시를 설명하는 도면이다.
도 9 및 10은 일 실시예에 따른 디바이스의 블록도이다.
도 11은 일 실시예에 따른 제어부의 블록도이다.
도 12는 일 실시예에 따른 데이터 학습부의 블록도이다.
도 13은 일 실시예에 따른 데이터 인식부의 블록도이다.
도 14는 일 실시예에 따른 디바이스 및 서버가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
본 개시의 일부 실시예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들의 일부 또는 전부는, 특정 기능들을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 또한, 예를 들어, 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. “매커니즘”, “요소”, “수단” 및 “구성”등과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다.
또한, 도면에 도시된 구성 요소들 간의 연결 선 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것일 뿐이다. 실제 장치에서는 대체 가능하거나 추가된 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들에 의해 구성 요소들 간의 연결이 나타내어질 수 있다.
이하 첨부된 도면을 참고하여 본 개시를 상세히 설명하기로 한다.
도 1은 일 실시예에 따른, 디바이스가 사용자의 음성 입력에 대한 답변을 제공하는 예시를 설명하는 도면이다.
도 1을 참조하면, 사용자는 디바이스(10)를 이용하여 객체(40)를 촬영할 수 있다. 사용자는 촬영된 이미지에 포함된 객체(40)에 대해 질문할 수 있다. 또한, 디바이스(10)는 객체(40)가 포함된 이미지(30)를 디바이스(10)의 화면에 디스플레이할 수 있고, 사용자는 디스플레이된 이미지(30)에 포함된 객체(40)에 대해 질문할 수 있다.
디바이스(10)는 사용자의 질문(31, 32)을 분석함으로써 사용자 질문(31, 32)의 의도가 무엇인지 결정할 수 있다. 디바이스(10)는 사용자 질문(31, 32)의 의도에 기초하여, 객체(40)에 대한 답변을 제공할 수 있다. 이 경우, 디바이스(10)는 사용자 질문(31, 32)의 의도가 무엇인지 결정하기 위한 기준 및 결정된 사용자의 의도에 기초하여 객체(40)에 대한 답변을 제공하는 기준을 학습할 수 있다.
일 실시예에서 객체에 관한 사용자의 의도는 사용자의 억양 정보, 감정 정보, 및 사용자가 사용하는 언어의 종류에 기초하여 결정될 수 있으나, 이에 제한되지 않는다.
일 실시예에서 디바이스(10)는 사용자의 질문에 동일한 문구가 포함된 경우라도, 사용자의 억양 정보가 상이하다면 다른 답변(10, 11)을 제공할 수 있다.
예를 들어, 촬영된 이미지(30)에는 선물 상자가 포함될 수 있다. 사용자가 촬영된 이미지(30)에 대해 '이게 뭐야' 라고 질문(31)한다면, 디바이스(10)는 사용자의 의도가 이미지(30)에 포함된 객체(40)가 무엇인지 묻는 의도인 것으로 결정할 수 있고, 디바이스(10)는 '박스 입니다' 라는 답변(11)을 제공할 수 있다. 또한, 사용자가 촬영된 이미지(30)에 대해 '우와! 이게 뭐야?'라고 질문(32)한다면, 디바이스(10)는 사용자의 의도가 선물 상자를 누가 주었는지 묻는 의도인 것으로 결정할 수 있고, 디바이스(10)는 '여자친구가 놓고 간 선물입니다' 라는 답변(12)을 제공할 수 있다. 사용자의 질문(31 및 32)에 '이게 뭐야?'라는 동일한 문구가 포함된 경우라도, 각 질문(31 및 32)에 포함된 사용자의 억양 정보가 상이하므로 디바이스(10)는 각 질문(31 및 32)에 대해 다른 답변(11 및 12)을 제공할 수 있다.
한편, 디바이스(10)에는 선물 상자가 포함된 이미지(30)가 디스플레이될 수 있고, 사용자는 디스플레이된 이미지(30)에 대해 질문(31, 32)할 수 있다.
디바이스(10)는, 예를 들어, 가사 지원 로봇(home service robot), 스마트 폰, 태블릿 PC, PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 웨어러블 디바이스 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 디바이스(10)는, 전자 칠판, 터치 테이블 등과 같이 터치 입력을 수신할 수 있는 다양한 장치를 포함할 수 있다. 또한, 디바이스(10)는, 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지일 수 있다.
또한, 디바이스(10)는 카메라(미도시)와 마이크로폰(미도시)을 포함할 수 있다. 카메라(미도시)는 촬영 모드에서 이미지 센서를 통해 객체(40)를 촬영할 수 있다. 마이크로폰(미도시)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(미도시)은 외부 디바이스 또는 화자로부터 음향 신호를 수신할 수 있다. 마이크로폰(미도시)은 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다.
도 2는 일 실시예에 따른, 사용자의 음성 입력에 대한 답변을 제공하는 방법의 흐름도이다.
도 2를 참조하면, 단계 S210에서 디바이스(10)는 디바이스(10)의 카메라를 통하여 적어도 하나의 객체가 포함된 이미지를 촬영할 수 있다. 일 실시예에서 디바이스(10)는 카메라를 이용하여 적어도 하나의 객체가 포함된 이미지를 촬영한 후, 촬영된 이미지를 디스플레이할 수 있다. 또한, 디바이스(10)는 내부 메모리에 저장된 이미지를 디스플레이할 수 있다. 또한, 디바이스(10)는 외부 서버 또는 외부 디바이스와의 통신을 통해 수신된 이미지를 디스플레이할 수 있다.
단계 S220에서 디바이스(10)는 이미지가 촬영됨에 따라, 디바이스(10)의 마이크를 활성화할 수 있다. 일 실시예에서 디바이스(10)는 적어도 하나의 객체가 포함된 이미지가 디스플레이되는 동안, 디바이스(10)의 마이크를 활성화할 수 있다.
일 실시예에서 디바이스(10)는 이미지가 촬영됨에 따라 마이크를 자동으로 활성화 할 수 있다. 다른 실시예에서, 디바이스(10)는 이미지가 디스플레이되는 동안, 마이크를 자동으로 활성화할 수 있다. 또 다른 실시예에서 디바이스(10)는 마이크를 활성화시키기 위한 사용자의 입력을 수신한 후 마이크를 활성화할 수 있다.
단계 S230에서 디바이스(10)는 마이크를 통하여, 객체에 대한 사용자의 음성 입력을 수신할 수 있다. 일 실시예에서 사용자의 음성 입력은 음성 파형의 형태이며, 디바이스(10)는 마이크로폰을 통해 사용자의 음성 파형을 입력 받아 전기적인 음성 데이터로 처리할 수 있다.
단계 S240에서 디바이스(10)는 수신된 음성 입력을 분석함으로써 객체에 관한 사용자의 의도를 결정할 수 있다. 일 실시예에서 디바이스(10)는 소정의 길이의 음편 단위로 사용자의 음성 파형을 분석할 수 있다. 또한 디바이스(10)는 주파수를 기준으로, 사용자의 음성 파형을 음편 단위 별로 분석할 수 있다.
디바이스(10)는 수신된 음성 입력을 분석함으로써, 사용자 억양 정보, 사용자 감정 정보, 및 사용자가 사용하는 언어의 종류에 관한 정보를 획득할 수 있다. 일 실시예에서 디바이스(10)는 수신된 음성 입력에 포함된 음성 에너지(dB), 음 높이(Hz), 음성 파형의 규칙성(shimmer) 및 성대 진동 변화율(zitter) 등을 분석함으로써, 사용자 억양 정보, 사용자 감정 정보, 및 사용자가 사용하는 언어의 종류에 관한 정보를 획득할 수 있다. 그러나 이에 제한되지 않는다. 또한, 예를 들어, 언어의 종류는 영어, 일어, 한국어 등을 포함할 수 있다. 또한, 예를 들어, 언어의 종류는 지역의 방언을 포함할 수 있다.
디바이스(10)는 획득된 사용자 억양 정보, 사용자 감정 정보, 및 사용자가 사용하는 언어의 종류에 기초하여 객체에 관한 사용자의 의도를 결정할 수 있다. 일 실시예에서 사용자가 동일한 문구를 포함하는 질문을 한 경우에도, 디바이스(10)는 억양 정보, 감정 정보 등에 따라 사용자의 의도는 상이한 것으로 결정할 수 있다.
예를 들어, 디바이스(10)는 디바이스(10)에 촬영된 이미지에 포함된 선물 상자에 대한, '이게 뭐야?'라는 사용자의 음성 입력을 수신할 수 있다. 디바이스(10)가 '이게 뭐야?'라는 음성 입력을 분석함으로써 생성한 억양 정보 및 감정 정보에는, 사용자가 문장 끝을 조금 올려 읽는 억양을 사용하고 사용자의 감정 상태가 평온하다는 정보가 포함될 수 있다. 디바이스(10)는 생성된 억양 정보 및 감정 정보를 이용하여, 사용자의 의도를 촬영된 이미지에 포함된 객체(즉, 선물 상자)가 무엇인지 묻는 의도인 것으로 결정할 수 있다.
또한, 예를 들어, 디바이스(10)가 '이게 뭐야?'라는 음성 입력을 분석함으로써 생성한 억양 정보 및 감정 정보에는, 사용자가 문장 끝을 많이 올려 읽는 억양을 사용하고 사용자의 감정 상태가 놀라움 및 기쁨이라는 정보가 포함될 수 있다. 디바이스(10)는 생성된 억양 정보 및 감정 정보를 이용하여, 사용자의 의도를 선물 상자를 누가 주었는지 묻는 의도인 것으로 결정할 수 있다.
한편, 또 다른 예에서, 디바이스(10)는 디바이스(10)에 디스플레이 중인 이미지에 포함된 선물 상자에 대한, '이게 뭐야?'라는 사용자의 음성 입력을 수신할 수 있다.
단계 S250에서 디바이스(10)는 결정된 사용자의 의도에 기초하여 객체에 관한 답변을 제공할 수 있다. 일 실시예에서 사용자가 동일한 문구를 포함하는 질문을 한 경우에도, 디바이스(10)는 억양 정보, 감정 정보 등에 따라 사용자의 의도는 상이하다고 결정함으로써, 결정된 의도에 기초하여 상이한 답변을 제공할 수 있다.
예를 들어, 디바이스(10)는 촬영된 이미지에 포함된 선물 상자에 대한, '이게 뭐야?'라는 사용자의 음성 입력을 수신할 수 있다. 디바이스(10)가 사용자의 의도를 촬영된 이미지에 포함된 객체(즉, 선물 상자)가 무엇인지 묻는 의도인 것으로 결정한다면, 디바이스(10)는 결정된 사용자의 의도에 기초하여 '상자 입니다' 라는 답변을 제공할 수 있다. 한편, '이게 뭐야?' 라는 사용자의 음성 입력을 분석한 결과, 디바이스(10)가 사용자의 의도를 선물 상자를 누가 주었는지 묻는 의도인 것으로 결정한다면, 디바이스(10)는 결정된 사용자의 의도에 기초하여 '여자친구가 놓고 간 선물입니다' 라는 답변을 제공할 수 있다.
일 실시예에서, 디바이스(10)는 디바이스(10)에서 디스플레이 중인 선물 상자에 대한, '이게 뭐야?'라는 사용자 물음의 의도를 결정할 수 있다.
한편, 디바이스(10)는 수신된 음성 입력에 포함된 텍스트 정보를 추출할 수 있다. 또한, 디바이스(10)는 추출된 텍스트 정보 및 결정된 사용자의 의도에 기초하여 객체에 관한 답변을 제공할 수 있다.
도 3은 일 실시예에 따른 사용자 억양 정보를 이용하여 사용자의 음성 입력에 대한 답변을 제공하는 예시를 설명하는 도면이다.
도 3을 참조하면, 디바이스(10)는 이미지 입력(310, 320) 및 음성 입력(311, 321)을 수신할 수 있다. 디바이스(10)는 수신된 이미지 입력(310, 320) 및 음성 입력(311, 321)을 디바이스(10)에서 처리할 수 있는 데이터 형태로 변환할 수 있다.
또한, 디바이스(10)는 사용자의 음성 입력(311, 321)을 분석함으로써 사용자 억양 정보를 생성할 수 있다. 일 실시예에서 디바이스(10)는 사용자의 음성 입력의 음성 에너지(dB), 음 높이(Hz), 음성 파형의 규칙성(shimmer) 및 성대 진동 변화율(zitter) 등을 분석함으로써 억양 정보를 생성할 수 있으나, 억양 정보를 생성하는 방법은 이에 제한되지 않는다.
또한, 디바이스(10)는 생성된 억양 정보를 이용하여 이미지 입력(310, 320)에 대한 사용자의 의도를 결정할 수 있다. 일 실시예에서 디바이스(10)는 이미지 입력(310, 320) 및 음성 입력(311, 321)에 기초하여, 사용자의 음성 입력(311, 321)의 대상이 되는 이미지 입력(310, 320) 내의 객체를 선택할 수 있다. 디바이스(10)는 생성된 억양 정보를 이용하여 선택된 객체에 관한 사용자의 의도를 결정할 수 있다.
또한, 디바이스(10)는 결정된 사용자의 의도에 기초하여 객체에 관한 답변을 제공할 수 있다.
예를 들어, 디바이스(10)는 노트북 위에 커피가 엎질러진 상황에 관한 이미지 입력(310, 320)을 수신할 수 있다. 디바이스(10)가 이미지 입력(310)에 대한 '이게 뭐야!!!?'라는 사용자의 음성 입력(311)을 수신한 경우, 디바이스(10)가 음성 입력(311)을 분석함으로써 생성한 억양 정보에는 사용자가 문장의 끝을 높고 강하게 맺는 억양을 사용했다는 정보가 포함될 수 있다. 디바이스(10)는 생성된 억양 정보를 이용하여, 사용자의 의도가 누가 노트북 위에 커피를 쏟았는지 묻는 의도인 것으로 결정할 수 있다. 디바이스(10)는 결정된 사용자의 의도에 기초하여 '이게 뭐야!!!!!?' 라는 사용자의 음성 입력(311)에 대해 'A가 5분 전에 쏟았습니다' 라는 답변(312)을 제공할 수 있다.
또한, 예를 들어, 디바이스(10)가 이미지 입력(320)에 대한 '이게 뭐야?' 라는 사용자의 음성 입력(321)을 수신한 경우, 디바이스(10)가 음성 입력(321)을 분석함으로써 생성한 억양 정보에는 사용자가 문장의 끝을 조금 올려 읽는 억양을 사용했다는 정보가 포함될 수 있다. 디바이스(10)는 생성된 억양 정보를 이용하여, 사용자의 의도가 이미지 입력(320)에 포함된 객체가 무엇인지에 대해 묻는 의도인 것으로 결정할 수 있다. 디바이스(10)는 결정된 사용자의 의도에 기초하여 '이게 뭐야' 라는 사용자의 음성 입력(321)에 대해 '노트북과 쏟아진 커피입니다' 라는 답변(322)을 제공할 수 있다.
도 4는 일 실시예에 따른 사용자 감정 정보를 이용하여 사용자의 음성 입력에 대한 답변을 제공하는 예시를 설명하는 도면이다.
도 4를 참조하면, 디바이스(10)는 이미지 입력(410, 420) 및 음성 입력(411, 421)을 수신할 수 있다. 디바이스(10)는 사용자의 음성 입력(411, 421)을 분석함으로써 사용자 억양 정보를 생성할 수 있다. 또한, 디바이스(10)는 생성된 억양 정보를 분석함으로써 사용자 감정 정보를 생성할 수 있다. 한편, 사용자 감정 정보는 기쁨, 슬픔, 화남 등의 사용자의 감정 상태를 나타내는 정보를 포함할 수 있으나, 이에 제한되지 않는다.
또한, 디바이스(10)는 생성된 감정 정보에 기초하여 객체에 관한 사용자의 의도를 결정할 수 있다. 또한, 디바이스(10)는 생성된 감정 정보에 기초하여 사용자에게 객체에 관한 답변을 제공할 수 있다. 디바이스(10)는 사용자의 음성 입력(411, 421)에 포함된 텍스트의 의미와 더불어, 사용자 억양 정보 및 사용자 감정 정보에 기초하여 사용자에게 답변을 제공할 수 있다.
예를 들어, 디바이스(10)는 비싼 외제차에 관한 이미지 입력(410, 420)을 수신할 수 있다. 디바이스(10)가 이미지 입력(410)에 대한 '휴.. 이 차는 얼마나 할까?'라는 사용자의 음성 입력(411)을 수신한 경우, 디바이스(10)가 음성 입력(411)의 억양 정보를 분석함으로써 생성한 감정 정보에는, 슬픔, 자조 등과 같은 부정적인 감정과 관련된 정보가 포함될 수 있다. 디바이스(10)는 생성된 감정 정보를 이용하여, 사용자의 의도가 디바이스(10)가 촬영한 외제차의 실제 가격을 묻는 의도가 아닌, 현재 사용자 자신의 상황에 대해 한탄하는 의도인 것으로 결정할 수 있다. 디바이스(10)는 결정된 의도에 기초하여 '인생에는 돈 보다 더 중요한 가치들이 있습니다'라는 답변(412)을 제공할 수 있다.
또한, 예를 들어, 디바이스(10)가 이미지 입력(420)에 대한 '우와! 이 차는 얼마나 할까?'라는 사용자의 음성 입력(421)을 수신한 경우, 디바이스(10)가 음성 입력(421)의 억양 정보를 분석함으로써 생성한 감정 정보에는, 호기심, 놀라움 등과 같은 정보가 포함될 수 있다. 디바이스(10)는 생성된 감정 정보를 이용하여, 사용자의 의도가 디바이스(10)가 촬영한 외제차의 가격을 묻는 의도인 것으로 결정할 수 있다. 디바이스(10)는 결정된 사용자의 의도에 기초하여 '우와! 이차는 얼마나 할까?' 라는 사용자의 음성 입력(421)에 대해 '2억 입니다' 라는 답변(422a)을 제공할 수 있다.
한편, 사용자의 감정 정보에 기쁨, 환호, 호기심 등과 같은 긍정적인 감정과 관련된 정보가 포함된 경우, 디바이스(10)는 사용자의 감정 정보를 고려하여 위트 있는 답변을 제공할 수 있다. 예를 들어, 디바이스(10)가 이미지 입력(420)에 대한 '우와! 이 차는 얼마나 할까?'라는 사용자의 음성 입력(421)을 수신한 경우, 디바이스(10)는 '사용자 님이 20년 동안 저축을 하면 살 수 있을지도?'라는 답변(422b)을 제공할 수 있다.
도 5는 일 실시예에 따른 사용자가 사용하는 언어의 종류에 기초하여 사용자의 음성 입력에 대한 답변을 제공하는 예시를 설명하는 도면이다.
도 5를 참조하면, 디바이스(10)는 이미지 입력(510, 520) 및 음성 입력(511, 521)을 수신할 수 있다. 디바이스(10)는 사용자의 음성 입력(511, 521)을 분석함으로써 사용자가 사용하는 언어의 종류를 결정할 수 있다. 한편, 언어의 종류는 한국어, 영어, 중국어 등을 포함할 수 있으나, 이에 제한되지 않는다. 각 언어들은 다른 언어들과는 구별되는 고유의 억양 등을 가지며, 디바이스(10)는 사용자의 음성 입력(511, 521)의 억양 정보를 분석함으로써 사용자가 사용하는 언어의 종류를 결정할 수 있다.
디바이스(10)는 결정된 언어의 종류를 이용하여 객체에 관한 답변을 제공할 수 있다. 또한, 디바이스(10)는 결정된 언어를 사용하는 국가의 사회적, 문화적 배경 등을 고려하여 사용자의 배경지식 수준을 결정하고, 결정된 사용자의 배경지식 수준에 기초하여 객체에 관한 답변을 제공할 수 있다.
예를 들어, 디바이스(10)는 제주도 지도에 관한 이미지 입력(510, 520)을 수신할 수 있다. 디바이스(10)가 이미지 입력(510)에 대한 '여기가 어디지?'라는 사용자의 음성 입력(511)을 수신한 경우, 디바이스(10)는 사용자가 사용하는 언어의 종류를 한국어로 결정할 수 있고, 한국어로 답변(512)을 제공할 수 있다. 또한, 디바이스(10)는 사용자가 한국어를 사용하므로 한국인이라고 판단한 후, 한국인의 배경지식 수준에 기초하여 답변(512)을 제공할 수 있다. 디바이스(10)는 사용자가 한국인이라면 제주도가 대한민국의 섬이라는 등의 기본적인 배경지식을 가지고 있다고 판단할 수 있으며, 디바이스(10)는 '제주도 입니다'라는 간단한 답변(512)을 제공할 수 있다.
또한, 예를 들어, 디바이스(10)가 이미지 입력(520)에 대한 'Where is this place?' (번역: 여기가 어디지?) 라는 음성 입력(521)을 수신한 경우, 디바이스(10)는 사용자가 사용하는 언어의 종류를 영어로 결정할 수 있고, 영어로 답변(522)을 제공할 수 있다. 또한, 디바이스(10)는 사용자가 영어를 사용하므로 한국인이 아니라고 판단한 후, 외국인(영어를 사용하는 국가의 국민)의 배경지식 수준에 기초하여 답변(522)을 제공할 수 있다. 디바이스(10)는 외국인이라면 제주도에 대한 기본적인 배경지식을 가지고 있지 않다고 판단할 수 있으며, 디바이스(10)는 제주도에 대한 배경지식을 함께 답변(522)으로 제공할 수 있다. 디바이스(10)는 'This place is called Jeju island. A beautiful island in Korea and often regarded as “Korean Hawaii”' (번역: 제주도 입니다. 한국에 위치한 아름다운 섬으로써, 종종 “한국의 하와이”라고 불리곤 합니다) 라는 답변(522)을 제공할 수 있다.
한편, 디바이스(10)는 결정된 언어의 종류에 기초하여 사용자의 음성 입력의 대상이 되는 객체를 선택할 수 있다. 일 실시예에서 디바이스(10)가 수신한 이미지 입력에는 복수의 객체가 포함될 수 있다. 디바이스(10)는 결정된 언어의 종류에 기초하여, 이미지 입력에 포함된 복수의 객체 중 어느 하나의 객체를 선택할 수 있다. 또한, 디바이스(10)는 생성된 억양 정보를 이용하여 선택된 객체에 관한 사용자의 의도를 결정할 수 있다.
예를 들어, 디바이스(10)는 고추장 및 마시멜로우가 모두 포함된 이미지 입력을 수신할 수 있다. 디바이스(10)가 이미지 입력에 대한 '이게 뭐야?'라는 사용자의 음성 입력을 수신한 경우, 디바이스(10)는 사용자가 사용하는 언어의 종류를 한국어로 결정할 수 있다. 또한, 디바이스(10)는 결정된 언어의 종류에 기초하여 사용자가 한국어를 사용하므로 한국인이라고 판단한 후, 한국인의 배경지식 수준에 기초하여 답변을 제공할 수 있다. 디바이스(10)는 한국인이라면 고추장을 알 것이라고 판단할 수 있으며, 디바이스(10)는 '이것은 마시멜로우 입니다'라는 답변을 제공할 수 있다.
또한, 예를 들어, 디바이스(10)가 고추장 및 마시멜로우가 모두 포함된 이미지 입력에 대한 'What's this?' (번역: 이게 뭐지?) 라는 사용자의 음성 입력을 수신한 경우, 디바이스(10)는 사용자가 사용하는 언어의 종류를 영어로 결정할 수 있다. 또한, 디바이스(10)는 결정된 언어의 종류에 기초하여 사용자가 영어를 사용하므로 외국인(영어권 국가)이라고 판단한 후, 외국인의 배경지식 수준에 기초하여 답변을 제공할 수 있다. 디바이스(10)는 외국인이라면 마시멜로우를 알 것이라고 판단할 수 있으며, 디바이스(10)는 '이것은 고추장 입니다'라는 답변을 제공할 수 있다.
도 6은 일 실시예에 따른 사용자가 사용하는 방언(dialect)에 기초하여 사용자의 음성 입력에 대한 답변을 제공하는 예시를 설명하는 도면이다. 이하에서 도 5와 중복되는 내용은 편의상 생략하기로 한다.
도 6을 참조하면, 디바이스(10)는 이미지 입력(610) 및 음성 입력(611)을 수신할 수 있다. 디바이스(10)는 사용자의 음성 입력(611)을 분석함으로써 사용자가 사용하는 방언의 종류를 결정할 수 있다. 한편, 방언의 종류는 한국어에 대한 복수의 방언, 일본어에 대한 복수의 방언 및 영어에 대한 복수의 방언 등을 포함할 수 있다. 예를 들어, 한국어에 대한 복수의 방언에는 경상도 방언, 전라도 방언이 포함될 수 있다. 그러나, 방언의 종류는 이에 제한되지 않는다. 각 방언들은 다른 방언들과는 구별되는 고유의 억양 등을 가지며, 디바이스(10)는 사용자의 음성 입력(611)의 억양 정보를 분석함으로써 사용자가 사용하는 방언의 종류를 결정할 수 있다.
예를 들어, 디바이스(10)는 노트북 위에 커피가 엎질러진 상황에 관한 이미지 입력(610)을 수신할 수 있다. 디바이스(10)가 이미지 입력(610)에 대한 '이게 뭐꼬?!'라는 사용자의 음성 입력(611)을 수신한 경우, 디바이스(10)는 사용자가 사용하는 방언의 종류를 한국의 경상도 방언으로 결정할 수 있다. 또한, 디바이스(10)는 경상도 방언을 이용하여 'A가 쏟았습니데이'라는 답변(612)을 제공할 수 있다.
도 7은 일 실시예에 따른 사용자의 의도와 관련된 부가 정보와 함께 사용자의 음성 입력에 대한 답변을 제공하는 예시를 설명하는 도면이다.
도 7을 참조하면, 디바이스(10)는 이미지 입력(710) 및 음성 입력(711)을 수신할 수 있다. 디바이스(10)는 사용자의 음성 입력(711)을 분석함으로써 객체에 관한 사용자의 의도를 결정할 수 있다.
예를 들어, 디바이스(10)는 노트북 위에 커피가 엎질러진 상황에 관한 이미지 입력(710)을 수신할 수 있다. 디바이스(10)가 이미지 입력(710)에 대한 '이거 어떻게 하지..?'라는 사용자의 음성 입력(711)을 수신한 경우, 디바이스(10)가 음성 입력(711)을 분석함으로써 생성한 억양 정보에는 사용자가 문장의 끝을 조금 높이며 다소 흐리는 억양을 사용했다는 정보가 포함될 수 있다. 디바이스(10)는 생성된 억양 정보를 이용하여, 사용자의 의도가 노트북 위에 쏟은 커피를 치우는 방법을 묻는 의도인 것으로 결정할 수 있다. 디바이스(10)는 결정된 사용자의 의도에 기초하여 '이거 어떻게 하지..?' 라는 사용자의 음성 입력(711)에 대해 '마른 걸레로 닦으세요'라는 답변(712)을 제공할 수 있다.
또한, 디바이스(10)는 사용자의 의도에 기초하여, 검색어(713)를 생성할 수 있다. 디바이스(10)는 인터넷 검색 엔진 등을 통해 생성된 검색어(713)를 이용하여 검색함으로써, 사용자에게 답변(712)과 함께 검색 결과(714)를 사용자에게 제공할 수 있다.
예를 들어, 사용자의 의도가 노트북 위에 쏟은 커피를 치우는 방법을 묻는 의도인 것에 기초하여, 디바이스(10)는 '컴퓨터에 액체를 쏟았을 때 대처 방법'이라는 검색어(713)를 생성하고, 생성된 검색어(713)를 이용하여 검색함으로써 이에 대한 검색 결과를 답변(712)과 함께 사용자에게 제공할 수 있다.
일 실시예에서 디바이스(10)는 자동으로 생성된 검색을 이용하여 검색할 수 있다. 또한, 디바이스(10)는 검색 실행 버튼을 클릭하는 등의 사용자 입력을 수신한 후 검색어를 이용하여 검색할 수 있다.
도 8은 일 실시예에 따른, 디스플레이된 이미지의 일부 영역에 대한, 사용자의 음성 입력 대한 답변을 제공하는 예시를 설명하는 도면이다.
도 8을 참조하면, 디바이스(10)는 이미지 입력(810) 및 음성 입력(811)을 수신할 수 있다. 디바이스(10)는 사용자의 음성 입력(811)을 분석함으로써 사용자의 억양 정보를 생성할 수 있다. 디바이스(10)는 생성된 억양 정보를 이용하여 이미지 입력(810)에 대한 사용자의 의도를 결정할 수 있다. 디바이스(10)는 결정된 사용자의 의도에 기초하여 객체에 관한 답변을 제공할 수 있다.
한편, 디바이스(10)는 디바이스(10)에 디스플레이된 이미지의 일부 영역을 선택하는 사용자의 입력(815)을 수신할 수 있다. 또한, 디바이스(10)는 결정된 사용자의 의도에 기초하여, 선택된 일부 영역 내의 객체에 대한 답변을 제공할 수 있다.
예를 들어, 디바이스(10)는 고래 및 섬이 모두 포함된 이미지 입력(810)을 수신할 수 있다. 디바이스(10)는 디스플레이된 이미지 내의 고래가 포함된 일부 영역(813)을 선택하는 사용자 입력(814)을 수신할 수 있다. 디바이스(10)가 수신한 '우와! 이게 뭐야?'라는 사용자의 음성 입력(811)의 대상은, 사용자가 선택한 일부 영역(813) 내의 고래인 것으로 결정할 수 있다. 한편, 이미지 입력(810)의 일부 영역이 사용자에 의해 선택되지 않은 경우, 디바이스(10)는 '우와! 이게 뭐야?'라는 사용자의 음성 입력(811)의 대상이 섬인 것으로 결정할 수 있다. 이 경우 사용자의 의도는 고래에 관한 질문이었음에도 디바이스(10)는 섬에 대한 답변을 제공할 수 있다.
디바이스(10)는 '우와! 이게 뭐야?'라는 사용자의 음성 입력(811)으로부터 생성된 억양 정보를 이용하여, 사용자의 의도가 일부 영역(813) 내의 객체가 무엇인지 묻는 의도인 것으로 결정할 수 있다. 디바이스(10)는 결정된 사용자의 의도에 기초하여 '우와! 이게 뭐야?'라는 사용자의 음성 입력(811)에 대해 '흰 수염고래 입니다' 라는 답변(812)을 제공할 수 있다.
이상 도 4 내지 8에서, 도 3과 중복되는 내용은 편의상 생략한다.
도 9 및 10은 일 실시예에 따른 디바이스의 블록도이다.
도 9에 도시된 바와 같이, 일 실시예에 따른 디바이스(10)는, 사용자 제어부(910), 입력부(920) 및 메모리(930)를 포함할 수 있다. 그러나, 도 9에 도시된 구성 요소 모두가 디바이스(10)의 필수 구성 요소인 것은 아니다. 도 9에 도시된 구성 요소보다 많은 구성 요소에 의해 디바이스(10)가 구현될 수도 있고, 도 9에 도시된 구성 요소보다 적은 구성 요소에 의해 디바이스(10)가 구현될 수도 있다.
예를 들어, 도 10에 도시된 바와 같이, 일부 실시예에 따른 디바이스(10)는, 사용자 입력부(1100), 출력부(1200) 및 제어부(1300) 이외에 통신부(1500), 센싱부(1400), 및 A/V 입력부(1600)를 더 포함할 수도 있다.
사용자 입력부(1100)는, 사용자가 디바이스(10)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(1100)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.
출력부(1200)는, 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(1200)는 디스플레이부(1210), 음향 출력부(1220), 및 진동 모터(1230)를 포함할 수 있다.
디스플레이부(1210)는 디바이스(10)에서 처리되는 정보를 표시한다. 예를 들어, 디스플레이부(1210)는, 디바이스(10)에 입력된 적어도 하나의 객체가 포함된 이미지를 디스플레이할 수 있다. 디바이스(10)는 카메라를 이용하여 적어도 하나의 객체가 포함된 이미지를 촬영한 후, 디스플레이부(1210)는 촬영된 이미지를 디스플레이할 수 있다. 또한, 디스플레이부(1210)는 내부 메모리에 저장된 이미지를 디스플레이할 수 있다. 또한, 디스플레이부(1210)는 외부 서버 또는 외부 디바이스와의 통신을 통해 수신된 이미지를 디스플레이할 수 있다.
한편, 디스플레이부(1210)와 터치패드가 레이어 구조를 이루어 터치 스크린으로 구성되는 경우, 디스플레이부(1210)는 출력 장치 이외에 입력 장치로도 사용될 수 있다. 디스플레이부(1210)는 액정 디스플레이(liquid crystal display), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display), 유기 발광 다이오드(organic light-emitting diode), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전기영동 디스플레이(electrophoretic display) 중에서 적어도 하나를 포함할 수 있다. 그리고 디바이스(10)의 구현 형태에 따라 디바이스(10)는 디스플레이부(1210)를 2개 이상 포함할 수도 있다. 이때, 2개 이상의 디스플레이부(1210)는 힌지(hinge)를 이용하여 마주보게 배치될 수 있다.
음향 출력부(1220)는 통신부(1500)로부터 수신되거나 메모리(1700)에 저장된 오디오 데이터를 출력한다. 또한, 음향 출력부(1220)는 디바이스(10)에서 수행되는 기능(예를 들어, 호신호 수신음, 메시지 수신음, 알림음)과 관련된 음향 신호를 출력한다. 이러한 음향 출력부(1220)에는 스피커(speaker), 버저(Buzzer) 등이 포함될 수 있다.
진동 모터(1230)는 진동 신호를 출력할 수 있다. 예를 들어, 진동 모터(1230)는 오디오 데이터 또는 비디오 데이터(예컨대, 호신호 수신음, 메시지 수신음 등)의 출력에 대응하는 진동 신호를 출력할 수 있다. 또한, 진동 모터(1230)는 터치스크린에 터치가 입력되는 경우 진동 신호를 출력할 수도 있다.
제어부(1300)는, 통상적으로 디바이스(10)의 전반적인 동작을 제어한다. 예를 들어, 제어부(1300)는, 메모리(1700)에 저장된 프로그램들을 실행함으로써, 사용자 입력부(1100), 출력부(1200), 센싱부(1400), 통신부(1500), A/V 입력부(1600) 등을 전반적으로 제어할 수 있다.
제어부(1300)는 도 1 내지 8 및 후술할 도 11 내지 14에 개시된 디바이스(10)의 동작을 수행할 수 있다.
구체적으로, 제어부(1300)는 이미지가 촬영됨에 따라, 마이크를 활성화할 수 있다. 일 실시예에서 제어부(1300)는 이미지가 촬영됨에 따라, 또는 이미지가 디스플레이되는 동안 마이크를 자동으로 활성화할 수 있으며, 다른 실시예에서 제어부(1300)는 마이크를 활성화시키기 위한 사용자의 입력을 수신한 후 마이크를 활성화할 수 있다. 또한, 제어부(1300)는 객체를 포함하는 이미지가 촬영됨에 따라 마이크를 활성화할 수 있다.
제어부(1300)는 마이크로폰을 통해 사용자의 음성 파형을 입력 받아 전기적인 음성 데이터로 처리할 수 있다.
제어부(1300)는 수신된 음성 입력을 분석함으로써 객체에 관한 사용자의 의도를 결정할 수 있다. 일 실시예에서 제어부(1300)는 소정의 길이의 음편 단위로 사용자의 음성 파형을 분석할 수 있다. 또한 제어부(1300)는 주파수를 기준으로, 사용자의 음성 파형을 음편 단위 별로 분석할 수 있다.
제어부(1300)는 수신된 음성 입력을 분석함으로써, 사용자 억양 정보, 사용자 감정 정보, 및 사용자가 사용하는 언어의 종류에 관한 정보를 획득할 수 있다. 일 실시예에서 제어부(1300)는 수신된 음성 입력에 포함된 음성 에너지(dB), 음 높이(Hz), 음성 파형의 규칙성(shimmer) 및 성대 진동 변화율(zitter) 등을 분석함으로써, 사용자 억양 정보, 사용자 감정 정보, 및 사용자가 사용하는 언어의 종류에 관한 정보를 획득할 수 있다. 그러나 이에 제한되지 않는다. 또한, 예를 들어, 언어의 종류는 영어, 일어, 한국어 등을 포함할 수 있다. 또한, 예를 들어, 언어의 종류는 지역의 방언을 포함할 수 있다.
제어부(1300)는 획득된 사용자 억양 정보, 사용자 감정 정보, 및 사용자가 사용하는 언어의 종류에 기초하여 객체에 관한 사용자의 의도를 결정할 수 있다. 일 실시예에서 사용자가 동일한 문구를 포함하는 질문을 한 경우에도, 제어부(1300)는 억양 정보, 감정 정보 등에 따라 사용자의 의도는 상이한 것으로 결정할 수 있다.
제어부(1300)는 결정된 사용자의 의도에 기초하여 객체에 관한 답변을 제공할 수 있다. 일 실시예에서 사용자가 동일한 문구를 포함하는 질문을 한 경우에도, 제어부(1300)는 억양 정보, 감정 정보 등에 따라 사용자의 의도는 상이하다고 결정함으로써, 결정된 의도에 기초하여 상이한 답변을 제공할 수 있다.
한편, 제어부(1300)는 수신된 음성 입력에 포함된 텍스트 정보를 추출할 수 있다. 또한, 제어부(1300)는 추출된 텍스트 정보 및 결정된 사용자의 의도에 기초하여 객체에 관한 답변을 제공할 수 있다.
센싱부(1400)는, 디바이스(10)의 상태 또는 디바이스(10) 주변의 상태를 감지하고, 감지된 정보를 제어부(1300)로 전달할 수 있다.
센싱부(1400)는, 지자기 센서(Magnetic sensor)(1410), 가속도 센서(Acceleration sensor)(1420), 온/습도 센서(1430), 적외선 센서(1440), 자이로스코프 센서(1450), 위치 센서(예컨대, GPS)(1460), 기압 센서(1470), 근접 센서(1480), 및 RGB 센서(illuminance sensor)(1490) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.
통신부(1500)는, 디바이스(10)와 외부 디바이스(미도시) 또는 외부 서버(미도시) 간의 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 예를 들어, 통신부(1500)는, 근거리 통신부(1510), 이동 통신부(1520), 방송 수신부(1530)를 포함할 수 있다.
근거리 통신부(short-range wireless communication unit)(151)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
이동 통신부(1520)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.
방송 수신부(1530)는, 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 구현 예에 따라서 제 1 디바이스(1000)가 방송 수신부(1530)를 포함하지 않을 수도 있다.
또한, 통신부(1500)는, 다음 프레임의 유해성을 예측하기 위해 필요한 정보를, HMD 장치(2000), 서버(4000) 및 주변 기기(3000)와 송수신할 수 있다.
A/V(Audio/Video) 입력부(1600)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1610)와 마이크로폰(1620) 등이 포함될 수 있다. 카메라(1610)는 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 카메라(1610)는 객체를 촬영할 수 있다. 이미지 센서를 통해 캡쳐된 이미지는 제어부(1300) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다.
카메라(1610)에서 처리된 화상 프레임은 메모리(1700)에 저장되거나 통신부(1500)를 통하여 외부로 전송될 수 있다. 카메라(1610)는 단말기의 구성 태양에 따라 2개 이상이 구비될 수도 있다.
마이크로폰(1620)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(1620)은 외부 디바이스 또는 화자로부터 음향 신호를 수신할 수 있다. 마이크로폰(1620)은 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다.
메모리(1700)는, 제어부(1300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 디바이스(10)로 입력되거나 디바이스(10)로부터 출력되는 데이터를 저장할 수도 있다.
메모리(1700)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
메모리(1700)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1710), 터치 스크린 모듈(1720), 알림 모듈(1730) 등으로 분류될 수 있다.
UI 모듈(1710)은, 애플리케이션 별로 제 1 디바이스(1000)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(1720)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 제어부(1300)로 전달할 수 있다. 일부 실시예에 따른 터치 스크린 모듈(1720)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(1720)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.
터치스크린의 터치 또는 근접 터치를 감지하기 위해 터치스크린의 내부 또는 근처에 다양한 센서가 구비될 수 있다. 터치스크린의 터치를 감지하기 위한 센서의 일례로 촉각 센서가 있다. 촉각 센서는 사람이 느끼는 정도로 또는 그 이상으로 특정 물체의 접촉을 감지하는 센서를 말한다. 촉각 센서는 접촉면의 거칠기, 접촉 물체의 단단함, 접촉 지점의 온도 등의 다양한 정보를 감지할 수 있다.
또한, 터치스크린의 터치를 감지하기 위한 센서의 일례로 근접 센서가 있다.
근접 센서는 소정의 검출면에 접근하는 물체, 혹은 근방에 존재하는 물체의 유무를 전자계의 힘 또는 적외선을 이용하여 기계적 접촉이 없이 검출하는 센서를 말한다. 근접 센서의 예로는 투과형 광전 센서, 직접 반사형 광전 센서, 미러 반사형 광전 센서, 고주파 발진형 근접 센서, 정전용량형 근접 센서, 자기형 근접 센서, 적외선 근접 센서 등이 있다. 사용자의 터치 제스처에는 탭, 터치&홀드, 더블 탭, 드래그, 패닝, 플릭, 드래그 앤드 드롭, 스와이프 등이 있을 수 있다.
알림 모듈(1730)은 제 1 디바이스(1000)의 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 제 1 디바이스(1000)에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 일정 알림 등이 있다. 알림 모듈(1730)은 디스플레이부(1210)를 통해 비디오 신호 형태로 알림 신호를 출력할 수도 있고, 음향 출력부(1220)를 통해 오디오 신호 형태로 알림 신호를 출력할 수도 있고, 진동 모터(1230)를 통해 진동 신호 형태로 알림 신호를 출력할 수도 있다.
도 11은 일 실시예에 따른 제어부의 블록도이다.
도 11을 참조하면, 일 실시예에 따른 제어부(1300)는 데이터 학습부(1310) 및 데이터 인식부(1320)를 포함할 수 있다.
데이터 학습부(1310)는 사용자의 음성 입력에 대한 답변을 제공하기 위해, 이미지에 포함된 객체에 관한 사용자의 의도를 결정하기 위한 기준 및 사용자의 음성 입력에 대한 답변을 제공하기 위한 기준을 학습할 수 있다. 일 실시예에서 데이터 학습부(1310)는 데이터 학습부(1310)에 입력된 이미지 입력 및 음성 입력을 이용하여 소정의 기준을 학습할 수 있다. 데이터 학습부(1310)는 소정의 사용자의 의도를 결정하고 답변을 제공하기 위하여 이미지 입력 및 음석 입력에 포함된 어떤 데이터를 이용할지, 데이터를 이용하여 사용자의 의도를 어떻게 결정할지에 관한 기준 및 어떻게 사용자의 음성 입력에 대한 답변을 제공할지를 학습할 수 있다. 데이터 학습부(1310)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 이미지에 포함된 객체에 관한 사용자의 의도를 결정하는 기준 및 사용자의 음성 입력에 대한 답변을 제공하기 위한 기준을 학습할 수 있다.
데이터 인식부(1320)는 데이터에 기초하여 이미지에 포함된 객체에 관한 사용자의 의도 및 사용자의 음성 입력에 대한 답변을 결정할 수 있다. 데이터 인식부(1320)는 학습된 데이터 인식 모델을 이용하여, 소정의 데이터로부터 이미지에 포함된 객체에 관한 사용자의 의도 및 사용자의 음성 입력에 대한 답변을 결정할 수 있다. 데이터 인식부(1320)는 학습에 의한 기 설정된 기준에 따라 소정의 데이터를 획득하고, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델을 이용함으로써, 소정의 데이터에 기초하여 이미지에 포함된 객체에 관한 사용자의 의도 및 사용자의 음성 입력에 대한 답변을 결정할 수 있다. 또한, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델에 의해 출력된 결과 값은, 데이터 인식 모델을 갱신하는데 이용될 수 있다.
데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
이 경우, 데이터 학습부(1310) 및 데이터 인식부(1320)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 하나는 전자 장치에 포함되고, 나머지 하나는 서버에 포함될 수 있다. 또한, 데이터 학습부(1310) 및 데이터 인식부(1320)는 유선 또는 무선으로 통하여, 데이터 학습부(1310)가 구축한 모델 정보를 데이터 인식부(1320)로 제공할 수도 있고, 데이터 인식부(1320)로 입력된 데이터가 추가 학습 데이터로서 데이터 학습부(1310)로 제공될 수도 있다.
한편, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 12는 일 실시예에 따른 데이터 학습부(1310)의 블록도이다.
도 12를 참조하면, 일부 실시예에 따른 데이터 학습부(1310)는 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)를 포함할 수 있다.
데이터 획득부(1310-1)는 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고 사용자의 음성 입력에 대한 답변을 제공하는데 필요한 데이터를 획득할 수 있다.
데이터 획득부(1310-1)는 소정의 데이터를 획득하는데 이용될 학습 이미지 및 학습 음성을 입력 받을 수 있다. 학습 이미지는 복수의 이미지(또는, 프레임(frame))들로 구성될 수 있으며, 학습 음성은 음성 파형일 수 있다. 일 예로, 데이터 획득부(1310-1)는 데이터 학습부(1310)를 포함하는 전자 장치의 카메라 및 마이크로폰 또는 데이터 학습부(1310)를 포함하는 전자 장치와 통신 가능한 외부의 카메라(예로, CCTV 또는 블랙박스 등) 및 마이크로폰을 통하여 학습 이미지 및 학습 음성을 입력 받을 수 있다. 여기서, 카메라는 하나 이상의 이미지 센서(예: 전면 센서 또는 후면 센서), 렌즈, 이미지 시그널 프로세서(ISP), 또는 플래시(예: LED 또는 xenon lamp 등)를 포함할 수 있다.
예컨대, 데이터 획득부(1310-1)는 학습 이미지 및 학습 음성에 포함된 음성 데이터, 영상 데이터, 텍스트 데이터 또는 생체신호 데이터 등을 획득할 수 있다. 일 예로, 데이터 획득부(1310-1)는 전자 장치의 입력 기기(예: 마이크로폰, 카메라 또는 센서 등)를 통해 데이터를 입력 받을 수 있다. 또는, 데이터 획득부(1310-1)는 전자 장치와 통신하는 외부 장치를 통해 데이터를 획득할 수 있다.
데이터 획득부는, 사용자의 성별, 지역, 나이, 선호도 정보 등 사용자 정보를 획득할 수 있다.
전처리부(1310-2)는 이미지에 포함된 객체에 관한 사용자의 의도를 결정하기 위한 학습 및 사용자의 음성 입력에 대한 답변을 제공하기 위한 학습에 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(1310-2)는 후술할 모델 학습부(1310-4)가 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고, 사용자의 음성 입력에 대한 답변을 제공하기 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.
예를 들어, 전처리부(1310-2)는 입력된 학습 이미지 및 학습 음성에 포함된 음성 데이터, 영상 데이터, 텍스트 데이터 또는 생체신호 데이터 등을 추출하여 구별하고, 입력된 데이터로부터 추출된 특성과 결과 값을 누적하여 학습함으로써 이미지에 포함된 객체에 관한 사용자의 의도를 결정하는 기준 및 사용자의 음성 입력에 대한 답변을 제공하는 기준을 학습할 수 있다.
학습 데이터 선택부(1310-3)는 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 선택된 데이터는 모델 학습부(1310-4)에 제공될 수 있다. 학습 데이터 선택부(1310-3)는 이미지에 포함된 객체에 관한 사용자의 의도를 결정하는 기설정된 기준 및 사용자의 음성 입력에 대한 답변을 제공하기 위한 기설정된 기준에 따라, 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 또한, 학습 데이터 선택부(1310-3)는 후술할 모델 학습부(1310-4)에 의한 학습에 의해 기설정된 기준에 따라 데이터를 선택할 수도 있다.
학습 데이터 선택부(1310-3)는 전처리된 데이터 중에서 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고, 사용자의 음성 입력에 대한 답변을 제공할 수 있는 데이터를 선택할 수 있다.
모델 학습부(1310-4)는 학습 데이터에 기초하여 이미지에 포함된 객체에 관한 사용자의 의도를 어떻게 결정할지에 관한 기준 및 어떻게 사용자의 음성 입력에 대한 답변을 제공할지에 관한 기준을 학습할 수 있다. 또한, 모델 학습부(1310-4)는 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고, 사용자의 음성 입력에 대한 답변을 제공하기 위하여 어떤 학습 데이터를 이용해야 하는지에 대한 기준을 학습할 수도 있다.
예를 들어, 모델 학습부(1310-4)는 사용자의 음성 입력에 포함된 억양 정보, 감정 정보 및 사용자가 사용하는 언어의 종류에 기초하여 이미지에 포함된 객체에 관한 사용자의 의도를 어떻게 결정할지에 대한 기준 및 어떻게 사용자의 음성 입력에 대한 답변을 제공할지에 대한 기준을 학습할 수 있다.
또한, 모델 학습부(1310-4)는 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고, 사용자의 음성 입력에 대한 답변을 제공하는데 이용되는 데이터 인식 모델을 학습 데이터를 이용하여 학습시킬 수 있다. 이 경우, 데이터 인식 모델은 미리 구축된 모델일 수 있다. 예를 들어, 데이터 인식 모델은 기본 학습 데이터(예를 들어, 샘플 단어 등)을 입력 받아 미리 구축된 모델일 수 있다. 데이터 인식 모델은 사용자 별로 생성되고 학습될 수 있다.
데이터 인식 모델은, 인식 모델의 적용 분야, 학습의 목적 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. 데이터 인식 모델은, 예를 들어, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 데이터 인식 모델로서 사용될 수 있으나, 이에 한정되지 않는다.
다양한 실시예에 따르면, 모델 학습부(1310-4)는 미리 구축된 데이터 인식 모델이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 데이터 인식 모델을 학습할 데이터 인식 모델로 결정할 수 있다. 이 경우, 기본 학습 데이터는 데이터의 타입 별로 기 분류되어 있을 수 있으며, 데이터 인식 모델은 데이터의 타입 별로 미리 구축되어 있을 수 있다. 예를 들어, 기본 학습 데이터는 학습 데이터가 생성된 지역, 학습 데이터가 생성된 시간, 학습 데이터의 크기, 학습 데이터의 장르, 학습 데이터의 생성자, 학습 데이터 내의 오브젝트의 종류 등과 같은 다양한 기준으로 기 분류되어 있을 수 있다.
또한, 모델 학습부(1310-4)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 데이터 인식 모델을 학습시킬 수 있다.
또한, 모델 학습부(1310-4)는, 예를 들어, 학습 데이터를 입력 값으로 하는 지도 학습(supervised learning) 을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 별다른 지도없이 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고 사용자의 음성 입력에 대한 답변을 제공하기 위해 필요한 데이터의 종류를 스스로 학습함으로써, 이미지에 포함된 객체에 관한 사용자의 의도를 결정하기 위한 기준 및 사용자의 음성 입력에 대한 답변을 제공하기 위한 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 학습에 따른 이미지에 포함된 객체에 관한 사용자의 의도를 결정한 결과 및 사용자의 음성 입력에 대한 답변을 제공한 결과가 올바른지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다.
또한, 데이터 인식 모델이 학습되면, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 저장할 수 있다. 이 경우, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 데이터 인식부(1320)를 포함하는 전자 장치의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 후술할 데이터 인식부(1320)를 포함하는 전자 장치의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 전자 장치와 유선 또는 무선 네트워크로 연결되는 서버의 메모리에 저장할 수도 있다.
이 경우, 학습된 데이터 인식 모델이 저장되는 메모리는, 예를 들면, 전자 장치의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 함께 저장할 수도 있다. 또한, 메모리는 소프트웨어 및/또는 프로그램을 저장할 수도 있다. 프로그램은, 예를 들면, 커널, 미들웨어, 어플리케이션 프로그래밍 인터페이스(API) 및/또는 어플리케이션 프로그램(또는 "어플리케이션") 등을 포함할 수 있다.
모델 평가부(1310-5)는 데이터 인식 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 인식 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(1310-4)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 데이터 인식 모델을 평가하기 위한 기설정된 데이터일 수 있다.
예를 들어, 모델 평가부(1310-5)는 평가 데이터에 대한 학습된 데이터 인식 모델의 인식 결과 중에서, 인식 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다. 예컨대, 소정 기준이 비율 2%로 정의되는 경우, 학습된 데이터 인식 모델이 총 1000개의 평가 데이터 중의 20개를 초과하는 평가 데이터에 대하여 잘못된 인식 결과를 출력하는 경우, 모델 평가부(1310-5)는 학습된 데이터 인식 모델이 적합하지 않은 것으로 평가할 수 있다.
또한, 평가 데이터는 사용자의 코멘트 입력으로부터 도출될 수 있다. 예를 들어, 사용자는 출력되는 인식 결과에 대한 만족 또는 불만족을 나타내는 코멘트 메시지를 입력할 수 있다. 코멘트 입력은 출력되는 인식 결과에 대한 사용자의 피드백 정보를 포함할 수 있다.
한편, 학습된 데이터 인식 모델이 복수 개가 존재하는 경우, 모델 평가부(1310-5)는 각각의 학습된 동영상 인식 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 데이터 인식 모델로서 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 모델 평가부(1310-5)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 데이터 인식 모델로서 결정할 수 있다.
한편, 데이터 학습부(1310) 내의 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 일부는 전자 장치에 포함되고, 나머지 일부는 서버에 포함될 수 있다.
또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 13은 일 실시예에 따른 데이터 인식부의 블록도이다.
도 13을 참조하면, 일부 실시예에 따른 데이터 인식부(1320)는 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)를 포함할 수 있다.
데이터 획득부(1320-1)는 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고 사용자의 음성 입력에 대한 답변을 제공하기 위해 필요한 데이터를 획득할 수 있으며, 전처리부(1320-2)는 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고 사용자의 음성 입력에 대한 답변을 제공하기 위해 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(1320-2)는 후술할 인식 결과 제공부(1320-4)가 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고 사용자의 음성 입력에 대한 답변을 제공할 수 있도록, 획득된 데이터를 기설정된 포맷으로 가공할 수 있다.
인식 데이터 선택부(1320-3)는 전처리된 데이터 중에서 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고, 사용자의 음성 입력에 대한 답변을 제공하는데 필요한 데이터를 선택할 수 있다. 선택된 데이터는 인식 결과 제공부(1320-4)에게 제공될 수 있다. 인식 데이터 선택부(1320-3)는 이미지에 포함된 객체에 관한 사용자의 의도를 결정하기 위한 기설정된 기준 및 사용자의 음성 입력에 대한 답변을 제공하기 위한 기설정된 기준에 따라, 전처리된 데이터 중에서 일부 또는 전부를 선택할 수 있다. 또한, 인식 데이터 선택부(1320-3)는 후술할 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 데이터를 선택할 수도 있다.
인식 결과 제공부(1320-4)는 선택된 데이터를 데이터 인식 모델에 적용하여 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고 사용자의 음성 입력에 대한 답변을 제공할 수 있다. 인식 결과 제공부(1320-4)는 데이터의 인식 목적에 따른 인식 결과를 제공할 수 있다. 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 입력 값으로 이용함으로써, 선택된 데이터를 데이터 인식 모델에 적용할 수 있다. 또한, 인식 결과는 데이터 인식 모델에 의해 결정될 수 있다.
예를 들어, 동영상의 인식 결과는 텍스트, 음성, 동영상, 이미지 또는 명령어(예로, 어플리케이션 실행 명령어, 모듈 기능 실행 명령어 등) 등으로 제공될 수 있다. 인식 결과는, 예로, 이미지에 포함된 객체에 관한 상태 정보, 컨텍스트 정보 등이 될 수 있다. 인식 결과 제공부(1320-4)는 객체에 관한 상태 정보로서 '이것은 선물 상자 입니다', 또는 컨텍스트 정보로서 'A가 준 선물 입니다' 등을 텍스트, 음성, 동영상, 이미지 또는 명령어 등으로 제공할 수 있다.
모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과에 대한 평가에 기초하여, 데이터 인식 모델이 갱신되도록할 수 있다. 예를 들어, 모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과를 모델 학습부(1310-4)에게 제공함으로써, 모델 학습부(1310-4)가 데이터 인식 모델을 갱신하도록 할 수 있다.
한편, 데이터 인식부(1320) 내의 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 일부는 전자 장치에 포함되고, 나머지 일부는 서버에 포함될 수 있다.
또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 14는 일 실시예에 따른 디바이스 및 서버가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
도 14를 참조하면, 서버(20)는 이미지에 포함된 객체에 관한 사용자의 의도를 결정하기 위한 기준 및 사용자의 음성 입력에 대한 답변을 제공하기 위한 기준을 학습할 수 있으며, 디바이스(10)는 서버(20)에 의한 학습 결과에 기초하여 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고, 사용자의 음성 입력에 대한 답변을 제공할 수 있다.
이 경우, 서버(20)의 모델 학습부(2340)는 도 11에 도시된 데이터 학습부(1310)의 기능을 수행할 수 있다. 서버(20)의 모델 학습부(2340)는 소정의 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고 사용자의 음성 입력에 대한 답변을 제공하기 위하여 어떤 데이터를 이용할 지, 데이터를 이용하여 이미지에 포함된 객체에 관한 사용자의 의도를 어떻게 결정할지에 관한 기준 및 어떻게 사용자의 음성 입력에 대한 답변을 제공할지에 관한 기준을 학습할 수 있다. 모델 학습부(2340)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 이미지에 포함된 객체에 관한 사용자의 의도를 결정하기 위한 기준 및 사용자의 음성 입력에 대한 답변을 제공하기 위한 기준을 학습할 수 있다.
또한, 디바이스(10)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(20)에 의해 생성된 데이터 인식 모델에 적용하여 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고 사용자의 음성 입력에 대한 답변을 제공할 수 있다. 예를 들어, 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(20)에게 전송하고, 서버(20)가 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 인식 모델에 적용하여 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고 사용자의 음성 입력에 대한 답변을 제공할 것을 요청할 수 있다. 또한, 인식 결과 제공부(1320-4)는 서버(20)에 의해 결정된 사용자의 의도 및 사용자의 음성 입력에 대한 답변을 서버(20)로부터 수신할 수 있다.
예를 들어, 디바이스(10)는 이미지 입력 및 음성 입력에 관한 데이터를 생성하여 서버(20)에 전송할 수 있다. 또한, 디바이스(10)는 이미지에 포함된 객체에 관한 사용자의 의도에 관한 정보 및 사용자의 음성 입력에 대한 답변을 서버(20)로부터 수신할 수 있다.
또는, 디바이스(10)의 인식 결과 제공부(1320-4)는 서버(20)에 의해 생성된 인식 모델을 서버(20)로부터 수신하고, 수신된 인식 모델을 이용하여 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고 사용자의 음성 입력에 대한 답변을 제공할 수 있다. 이 경우, 디바이스(10)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(20)로부터 수신된 데이터 인식 모델에 적용하여 이미지에 포함된 객체에 관한 사용자의 의도를 결정하고 사용자의 음성 입력에 대한 답변을 제공할 수 있다.
일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
또한, 본 명세서에서, "부"는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (19)

  1. 디바이스가 사용자의 음성 입력에 대한 답변을 제공하는 방법에 있어서,
    상기 디바이스의 카메라를 통하여 적어도 하나의 객체가 포함된 이미지를 촬영하는 단계;
    상기 이미지가 촬영되는 동안 상기 디바이스의 마이크를 활성화하는 단계;
    상기 마이크를 통하여, 상기 이미지 내의 객체에 대한 사용자의 음성 입력을 수신하는 단계;
    상기 이미지 및 상기 음성 입력에 기초하여, 상기 수신된 음성 입력의 대상이 되는 상기 이미지 내의 객체를 확인하는 단계;
    상기 수신된 음성 입력을 분석함으로써 사용자 억양 정보 및 사용자 감정 정보 중 적어도 하나를 획득하는 단계;
    상기 획득된 적어도 하나의 사용자 억양 정보 및 사용자 감정 정보에 기초하여, 상기 확인된 객체에 관한 상기 사용자의 의도를 결정하는 단계; 및
    상기 결정된 사용자의 의도에 기초하여 상기 확인된 객체에 관한 답변을 제공하는 단계;
    를 포함하는, 방법.
  2. 제 1항에 있어서,
    상기 사용자 억양 정보 및 사용자 감정 정보 중 적어도 하나를 획득하는 단계는,
    상기 사용자의 음성 입력의 음성 에너지, 음 높이, 음성 파형의 규칙성 및 성대 진동 변화율 중 적어도 하나를 분석함으로써 상기 사용자의 억양 정보를 생성하는 단계;
    를 포함하고,
    상기 사용자의 의도를 결정하는 단계는,
    상기 생성된 억양 정보를 이용하여 상기 확인된 객체에 관한 상기 사용자의 의도를 결정하는 단계;
    를 포함하는, 방법.
  3. 제 2항에 있어서,
    상기 사용자 억양 정보 및 사용자 감정 정보 중 적어도 하나를 획득하는 단계는,
    상기 생성된 억양 정보를 분석함으로써 상기 사용자의 감정 정보를 생성하는 단계;
    를 포함하고,
    상기 사용자의 의도를 결정하는 단계는,
    상기 생성된 억양 정보 및 상기 생성된 감정 정보에 기초하여 상기 확인된 객체에 관한 상기 사용자의 의도를 결정하는 단계;
    를 포함하는, 방법.
  4. 제 1항에 있어서,
    상기 사용자의 음성 입력을 분석함으로써 상기 사용자가 사용하는 언어의 종류를 결정하는 단계; 및
    상기 결정된 언어의 종류에 대응되는 국가의 배경지식 정보를 결정하는 단계;
    를 더 포함하고,
    상기 확인된 객체에 관한 답변을 제공하는 단계는,
    상기 결정된 배경지식 정보에 기초하여, 상기 확인된 객체에 관한 배경지식 정보를 포함하는 답변을 상기 결정된 언어의 종류를 이용하여 제공하는 단계;
    를 포함하는, 방법.
  5. 제 4항에 있어서,
    상기 사용자의 의도를 결정하는 단계는,
    상기 결정된 언어의 종류에 기초하여 상기 사용자의 음성 입력의 대상이 되는 상기 이미지 내의 객체를 확인하는 단계;
    를 포함하고,
    상기 확인된 객체에 관한 답변을 제공하는 단계는,
    상기 결정된 언어의 종류를 이용하여 상기 확인된 객체에 관한 답변을 제공하는 단계;
    를 포함하는, 방법.
  6. 제 1항에 있어서,
    상기 방법은,
    상기 수신된 음성 입력에 포함된 텍스트 데이터를 추출하는 단계;
    를 더 포함하고,
    상기 확인된 객체에 관한 답변을 제공하는 단계는,
    상기 추출된 텍스트 데이터 및 상기 사용자의 의도에 기초하여 상기 확인된 객체에 관한 답변을 제공하는 단계;
    를 포함하는, 방법.
  7. 제 1항에 있어서,
    상기 확인된 객체에 관한 답변을 제공하는 단계는,
    상기 사용자의 의도에 기초하여 검색어를 생성하는 단계; 및
    상기생성된 검색어를 이용하여 검색한 검색 결과를 상기 객체에 관한 답변과 함께 제공하는 단계;
    를 포함하는, 방법.
  8. 제 1항에 있어서,
    상기 방법은,
    상기 적어도 하나의 객체가 포함된 이미지를 디스플레이하는 단계; 및
    상기 이미지가 디스플레이되는 동안 상기 디바이스의 마이크를 활성화하는 단계;
    를 더 포함하는, 방법.
  9. 제 8항에 있어서,
    상기 방법은,
    상기 디스플레이된 이미지의 일부 영역을 선택하는 상기 사용자의 입력을 수신하는 단계;
    를 더 포함하고,
    상기 수신된 음성 입력의 대상이 되는 상기 이미지 내의 객체를 확인하는 단계는,
    상기 수신된 음성 입력의 대상이 되는 상기 이미지 내의 객체를 상기 선택된 일부 영역 내에서 확인하는 단계;
    를 포함하고,
    상기 확인된 객체에 관한 답변을 제공하는 단계는,
    상기 결정된 사용자의 의도에 기초하여, 상기 선택된 일부 영역 내 상기 확인된 객체에 관한 답변을 제공하는 단계;
    를 포함하는, 방법.
  10. 사용자의 음성 입력에 대한 답변을 제공하는 디바이스에 있어서,
    상기 디바이스의 카메라를 통하여 촬영된, 적어도 하나의 객체가 포함된 이미지를 수신하고,
    상기 디바이스의 마이크를 통하여 입력된, 상기 이미지 내의 객체에 대한 사용자의 음성 입력을 수신하는 입력부;
    적어도 하나의 인스트럭션을 저장하기 위한 메모리; 및
    상기 메모리에 저장된 상기 적어도 하나의 인스트럭션을 실행하는 적어도 하나의 프로세서를 포함하고,
    상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    상기 이미지가 촬영되는 동안 상기 디바이스의 마이크를 활성화하고,
    상기 이미지 및 상기 음성 입력에 기초하여, 상기 사용자로부터 수신된 음성 입력의 대상이 되는 상기 이미지 내의 객체를 확인하고,
    상기 수신된 음성 입력을 분석함으로써 사용자 억양 정보 및 사용자 감정 정보 중 적어도 하나를 획득하고,
    상기 획득된 적어도 하나의 사용자 억양 정보 및 사용자 감정 정보에 기초하여, 상기 확인된 객체에 관한 상기 사용자의 의도를 결정하고,
    상기 결정된 사용자의 의도에 기초하여 상기 확인된 객체에 관한 답변을 제공하는, 디바이스.
  11. 제 10항에 있어서,
    상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    상기 사용자의 음성 입력의 음성 에너지, 음 높이, 음성 파형의 규칙성 및 성대 진동 변화율 중 적어도 하나를 분석함으로써 상기 사용자의 억양 정보를 생성하고,
    상기 생성된 억양 정보를 이용하여 상기 확인된 객체에 관한 상기 사용자의 의도를 결정하는, 디바이스.
  12. 제 11항에 있어서,
    상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    상기 생성된 억양 정보를 분석함으로써 상기 사용자의 감정 정보를 생성하고,
    상기 생성된 억양 정보 및 상기 생성된 감정 정보에 기초하여 상기 확인된 객체에 관한 상기 사용자의 의도를 결정하는, 디바이스.
  13. 제 10항에 있어서,
    상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    상기 사용자의 음성 입력을 분석함으로써 상기 사용자가 사용하는 언어의 종류를 결정하고,
    상기 결정된 언어의 종류에 대응되는 국가의 배경지식 정보를 결정하고,
    상기 결정된 배경지식 정보에 기초하여, 상기 확인된 객체에 관한 배경지식 정보를 포함하는 답변을 상기 결정된 언어의 종류를 이용하여 제공하는, 디바이스.
  14. 제 13항에 있어서,
    상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    상기 결정된 언어의 종류에 기초하여 상기 사용자의 음성 입력의 대상이 되는 상기 이미지 내의 객체를 확인하고,
    상기 결정된 언어의 종류를 이용하여 상기 확인된 객체에 관한 답변을 제공하는, 디바이스.
  15. 제 10항에 있어서,
    상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    상기 수신된 음성 입력에 포함된 텍스트 데이터를 추출하고,
    상기 추출된 텍스트 데이터 및 상기 사용자의 의도에 기초하여 상기 확인된 객체에 관한 답변을 제공하는, 디바이스.
  16. 제 10항에 있어서,
    상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    상기 사용자의 의도에 기초하여 검색어를 생성하고,
    상기 생성된 검색어를 이용하여 검색한 검색 결과를 상기 객체에 관한 답변과 함께 제공하는, 디바이스.
  17. 제 10항에 있어서,
    상기 적어도 하나의 객체가 포함된 이미지를 디스플레이하는 디스플레이;
    를 더 포함하고,
    상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    상기 이미지가 디스플레이 되는 동안 상기 디바이스의 마이크를 활성화하는, 디바이스.
  18. 제 17항에 있어서,
    상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    상기 디스플레이된 이미지의 일부 영역을 선택하는 상기 사용자의 입력을 수신하고,
    상기 수신된 음성 입력의 대상이 되는 상기 이미지 내의 객체를 상기 선택된 일부 영역 내에서 확인하고,
    상기 결정된 사용자의 의도에 기초하여, 상기 선택된 일부 영역 내 상기 확인된 객체에 관한 답변을 제공하는, 디바이스.
  19. 제 1항 내지 제9항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020170039303A 2017-03-28 2017-03-28 사용자의 음성 입력에 대한 답변을 제공하는 방법 및 장치 Expired - Fee Related KR102304701B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020170039303A KR102304701B1 (ko) 2017-03-28 2017-03-28 사용자의 음성 입력에 대한 답변을 제공하는 방법 및 장치
PCT/KR2018/002847 WO2018182201A1 (ko) 2017-03-28 2018-03-09 사용자의 음성 입력에 대한 답변을 제공하는 방법 및 장치
US16/489,485 US11227594B2 (en) 2017-03-28 2018-03-09 Method and device for providing response to voice input of user

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170039303A KR102304701B1 (ko) 2017-03-28 2017-03-28 사용자의 음성 입력에 대한 답변을 제공하는 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20180109499A KR20180109499A (ko) 2018-10-08
KR102304701B1 true KR102304701B1 (ko) 2021-09-24

Family

ID=63678215

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170039303A Expired - Fee Related KR102304701B1 (ko) 2017-03-28 2017-03-28 사용자의 음성 입력에 대한 답변을 제공하는 방법 및 장치

Country Status (3)

Country Link
US (1) US11227594B2 (ko)
KR (1) KR102304701B1 (ko)
WO (1) WO2018182201A1 (ko)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190207879A1 (en) * 2017-12-28 2019-07-04 Christian Chouchani Transmitting a message based on machine learning systems
US10891951B2 (en) * 2018-10-17 2021-01-12 Ford Global Technologies, Llc Vehicle language processing
KR102747289B1 (ko) 2019-01-18 2024-12-31 삼성전자주식회사 전자 장치 및 이의 제어 방법
WO2020176112A1 (en) * 2019-02-26 2020-09-03 Google Llc Reinforcement learning techniques for selecting a software policy network and autonomously controlling a corresponding software client based on selected policy network
US11238865B2 (en) * 2019-11-18 2022-02-01 Lenovo (Singapore) Pte. Ltd. Function performance based on input intonation
KR102437760B1 (ko) 2021-05-27 2022-08-29 이충열 컴퓨팅 장치에 의한 음향의 처리 방법, 영상 및 음향의 처리 방법 및 이를 이용한 시스템들
CN113569712B (zh) * 2021-07-23 2023-11-14 北京百度网讯科技有限公司 信息交互方法、装置、设备以及存储介质
KR20230137814A (ko) 2022-03-22 2023-10-05 이충열 컴퓨팅 장치와 연동하는 촬영 장치로부터 획득되는 영상을 처리하는 방법 및 이를 이용한 시스템
CN116540972A (zh) * 2023-03-13 2023-08-04 北京有竹居网络技术有限公司 用于问答的方法、装置、设备和存储介质
CN116628150A (zh) * 2023-05-04 2023-08-22 北京有竹居网络技术有限公司 用于问答的方法、装置、设备和存储介质
US11990139B1 (en) * 2023-10-09 2024-05-21 Sandrew & Company, Llc System that conducts dialogs using artificial intelligence
US12277635B1 (en) 2023-12-07 2025-04-15 Google Llc User verification of a generative response to a multimodal query
US12437153B1 (en) * 2025-01-10 2025-10-07 Straightline.AI, Inc. Persuasive conversational agents for selecting words and tonalities

Family Cites Families (61)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8202094B2 (en) 1998-02-18 2012-06-19 Radmila Solutions, L.L.C. System and method for training users with audible answers to spoken questions
US20030033266A1 (en) * 2001-08-10 2003-02-13 Schott Wade F. Apparatus and method for problem solving using intelligent agents
US7496500B2 (en) * 2004-03-01 2009-02-24 Microsoft Corporation Systems and methods that determine intent of data and respond to the data based on the intent
US7643985B2 (en) 2005-06-27 2010-01-05 Microsoft Corporation Context-sensitive communication and translation methods for enhanced interactions and understanding among speakers of different languages
US8666928B2 (en) * 2005-08-01 2014-03-04 Evi Technologies Limited Knowledge repository
US7603330B2 (en) 2006-02-01 2009-10-13 Honda Motor Co., Ltd. Meta learning for question classification
US8275803B2 (en) 2008-05-14 2012-09-25 International Business Machines Corporation System and method for providing answers to questions
US9147212B2 (en) * 2008-06-05 2015-09-29 Aisle411, Inc. Locating products in stores using voice search from a communication device
KR101560834B1 (ko) 2009-02-18 2015-10-15 삼성전자주식회사 음성 신호를 이용한 감정 인식 장치 및 방법
US8930265B2 (en) * 2010-01-29 2015-01-06 Bank Of America Corporation Monitoring retail transactions associated with a financial institution-based merchant offer program and determining savings metrics
US8998671B2 (en) 2010-09-30 2015-04-07 Disney Enterprises, Inc. Interactive toy with embedded vision system
KR101756840B1 (ko) 2011-05-27 2017-07-12 삼성전자주식회사 촬영 이미지를 이용한 의사 전달 방법 및 장치
US20130132308A1 (en) 2011-11-22 2013-05-23 Gregory Jensen Boss Enhanced DeepQA in a Medical Environment
US9311751B2 (en) * 2011-12-12 2016-04-12 Microsoft Technology Licensing, Llc Display of shadows via see-through display
KR101590332B1 (ko) * 2012-01-09 2016-02-18 삼성전자주식회사 영상장치 및 그 제어방법
US9129591B2 (en) * 2012-03-08 2015-09-08 Google Inc. Recognizing speech in multiple languages
US20130282360A1 (en) * 2012-04-20 2013-10-24 James A. Shimota Method and Apparatus for Translating and Locating Services in Multiple Languages
CN103425640A (zh) 2012-05-14 2013-12-04 华为技术有限公司 一种多媒体问答系统及方法
KR20130133629A (ko) * 2012-05-29 2013-12-09 삼성전자주식회사 전자장치에서 음성명령을 실행시키기 위한 장치 및 방법
US20130346068A1 (en) * 2012-06-25 2013-12-26 Apple Inc. Voice-Based Image Tagging and Searching
US9547647B2 (en) * 2012-09-19 2017-01-17 Apple Inc. Voice-based media searching
GB201219594D0 (en) * 2012-10-31 2012-12-12 Lancaster Univ Business Entpr Ltd Text analysis
KR101995428B1 (ko) * 2012-11-20 2019-07-02 엘지전자 주식회사 이동 단말기 및 그 제어방법
US10134401B2 (en) * 2012-11-21 2018-11-20 Verint Systems Ltd. Diarization using linguistic labeling
US20140142928A1 (en) * 2012-11-21 2014-05-22 Harman International Industries Canada Ltd. System to selectively modify audio effect parameters of vocal signals
US9753986B2 (en) 2012-12-17 2017-09-05 International Business Machines Corporation Multi-dimensional feature merging for supporting evidence in a question and answering system
CN103077165A (zh) * 2012-12-31 2013-05-01 威盛电子股份有限公司 自然语言对话方法及其系统
KR102158098B1 (ko) * 2013-01-07 2020-09-22 삼성전자주식회사 이미지 인식을 이용한 이미지 레이아웃 방법 및 장치
EP2821943A1 (en) * 2013-07-03 2015-01-07 Accenture Global Services Limited Query response device
US20170163866A1 (en) * 2013-07-24 2017-06-08 Google Inc. Input System
WO2015023751A1 (en) * 2013-08-13 2015-02-19 The Children's Hospital Philadelphia Device for language processing enhancement in autism
US20150106205A1 (en) * 2013-10-16 2015-04-16 Google Inc. Generating an offer sheet based on offline content
US9471834B1 (en) * 2013-11-22 2016-10-18 Google Inc. System and method for updating map views
US10558325B2 (en) * 2013-12-01 2020-02-11 Upskill, Inc. Systems and methods for controlling operation of an on-board component
US20150172285A1 (en) * 2013-12-17 2015-06-18 Mei Ling LO Method for Accessing E-Mail System
US10467302B2 (en) 2014-02-11 2019-11-05 International Business Machines Corporation Candidate answers for speculative questions in a deep question answering system
US9311525B2 (en) * 2014-03-19 2016-04-12 Qualcomm Incorporated Method and apparatus for establishing connection between electronic devices
US20150370787A1 (en) * 2014-06-18 2015-12-24 Microsoft Corporation Session Context Modeling For Conversational Understanding Systems
US20160027063A1 (en) * 2014-07-23 2016-01-28 OrCam Technologies, Ltd. Targeted advertisements based on analysis of image information from a wearable camera
EP3007029B1 (en) * 2014-10-07 2017-12-27 LG Electronics Inc. Mobile terminal and wearable device
KR102252072B1 (ko) * 2014-10-14 2021-05-14 삼성전자주식회사 음성 태그를 이용한 이미지 관리 방법 및 그 장치
US20160124937A1 (en) * 2014-11-03 2016-05-05 Service Paradigm Pty Ltd Natural language execution system, method and computer readable medium
JP2016111406A (ja) * 2014-12-02 2016-06-20 ソニー株式会社 情報処理装置、情報処理方法及びプログラム
KR20160072639A (ko) * 2014-12-15 2016-06-23 엘지전자 주식회사 이동 단말기 및 그 제어 방법
CN104469319A (zh) * 2014-12-18 2015-03-25 上海小蚁科技有限公司 一种图像采集与图像显示分离的方法及装置
JP6520108B2 (ja) * 2014-12-22 2019-05-29 カシオ計算機株式会社 音声合成装置、方法、およびプログラム
EP3241123B1 (en) * 2014-12-30 2022-09-28 Harman International Industries, Incorporated Voice recognition-based dialing
US20160260353A1 (en) * 2015-03-04 2016-09-08 Arjun Kundan Dhawan Object recognition for the visually impaired
US9769367B2 (en) * 2015-08-07 2017-09-19 Google Inc. Speech and computer vision-based control
KR20170022490A (ko) * 2015-08-20 2017-03-02 엘지전자 주식회사 이동 단말기 및 그 제어방법
US10331312B2 (en) * 2015-09-08 2019-06-25 Apple Inc. Intelligent automated assistant in a media environment
US9715490B2 (en) * 2015-11-06 2017-07-25 International Business Machines Corporation Automating multilingual indexing
CN114663131A (zh) * 2016-01-25 2022-06-24 索尼公司 通信系统、通信控制方法和计算机可读存储介质
US10120882B2 (en) * 2016-02-17 2018-11-06 Google Llc Methods, systems, and media for storing information associated with content presented on a media presentation device
US10140770B2 (en) * 2016-03-24 2018-11-27 Toyota Jidosha Kabushiki Kaisha Three dimensional heads-up display unit including visual context for voice commands
JP6710562B2 (ja) * 2016-03-29 2020-06-17 本田技研工業株式会社 受付システム及び受付方法
US9918006B2 (en) * 2016-05-20 2018-03-13 International Business Machines Corporation Device, system and method for cognitive image capture
US10418026B2 (en) * 2016-07-15 2019-09-17 Comcast Cable Communications, Llc Dynamic language and command recognition
JP6827758B2 (ja) * 2016-10-12 2021-02-10 東芝映像ソリューション株式会社 移動式アシスト装置及び移動式アシスト方法
US11748978B2 (en) * 2016-10-16 2023-09-05 Ebay Inc. Intelligent online personal assistant with offline visual search database
US10741174B2 (en) * 2017-01-24 2020-08-11 Lenovo (Singapore) Pte. Ltd. Automatic language identification for speech

Also Published As

Publication number Publication date
US11227594B2 (en) 2022-01-18
KR20180109499A (ko) 2018-10-08
WO2018182201A1 (ko) 2018-10-04
US20200066270A1 (en) 2020-02-27

Similar Documents

Publication Publication Date Title
KR102304701B1 (ko) 사용자의 음성 입력에 대한 답변을 제공하는 방법 및 장치
US11470385B2 (en) Method and apparatus for filtering video
KR102556492B1 (ko) 텍스트와 연관된 이미지 제공 방법 및 이를 위한 전자 장치
CN112204655B (zh) 用于通过使用应用输出对语音输入的响应的电子装置及其操作方法
KR20220020296A (ko) 디바이스가 이미지를 보정하는 방법 및 그 디바이스
KR102718120B1 (ko) 인공지능을 이용한 음성 대화 분석 방법 및 장치
KR20220140673A (ko) 디바이스가 이미지를 보정하는 방법 및 그 디바이스
KR102491546B1 (ko) 객체를 인식하는 방법 및 장치
US10825453B2 (en) Electronic device for providing speech recognition service and method thereof
KR102426435B1 (ko) 사용자 입력에 기반한 문장을 제공하는 장치 및 방법
US20230134852A1 (en) Electronic apparatus and method for providing search result related to query sentence
KR102420567B1 (ko) 음성 인식 장치 및 방법
KR20200042739A (ko) 지식 그래프에 기초하여 콘텐트를 제공하는 시스템 및 방법
US20180285641A1 (en) Electronic device and operation method thereof
US11475218B2 (en) Apparatus and method for providing sentence based on user input
KR102430567B1 (ko) 텍스트와 연관된 이미지 제공 방법 및 이를 위한 전자 장치
KR102384878B1 (ko) 동영상을 필터링하는 방법 및 장치
US20190251355A1 (en) Method and electronic device for generating text comment about content
KR102628042B1 (ko) 연락처 정보를 추천하는 방법 및 디바이스
KR20180054362A (ko) 사용자의 음성 입력을 인식하는 방법 및 장치
US11617957B2 (en) Electronic device for providing interactive game and operating method therefor
KR102757491B1 (ko) 동영상을 제작하는 방법 및 그에 따른 장치

Legal Events

Date Code Title Description
PA0109 Patent application

St.27 status event code: A-0-1-A10-A12-nap-PA0109

PG1501 Laying open of application

St.27 status event code: A-1-1-Q10-Q12-nap-PG1501

P22-X000 Classification modified

St.27 status event code: A-2-2-P10-P22-nap-X000

P22-X000 Classification modified

St.27 status event code: A-2-2-P10-P22-nap-X000

P22-X000 Classification modified

St.27 status event code: A-2-2-P10-P22-nap-X000

P22-X000 Classification modified

St.27 status event code: A-2-2-P10-P22-nap-X000

A201 Request for examination
PA0201 Request for examination

St.27 status event code: A-1-2-D10-D11-exm-PA0201

P22-X000 Classification modified

St.27 status event code: A-2-2-P10-P22-nap-X000

P22-X000 Classification modified

St.27 status event code: A-2-2-P10-P22-nap-X000

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

St.27 status event code: A-1-2-D10-D21-exm-PE0902

P11-X000 Amendment of application requested

St.27 status event code: A-2-2-P10-P11-nap-X000

P13-X000 Application amended

St.27 status event code: A-2-2-P10-P13-nap-X000

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

St.27 status event code: A-1-2-D10-D22-exm-PE0701

GRNT Written decision to grant
PR0701 Registration of establishment

St.27 status event code: A-2-4-F10-F11-exm-PR0701

PR1002 Payment of registration fee

St.27 status event code: A-2-2-U10-U11-oth-PR1002

Fee payment year number: 1

PG1601 Publication of registration

St.27 status event code: A-4-4-Q10-Q13-nap-PG1601

PC1903 Unpaid annual fee

St.27 status event code: A-4-4-U10-U13-oth-PC1903

Not in force date: 20240916

Payment event data comment text: Termination Category : DEFAULT_OF_REGISTRATION_FEE

PC1903 Unpaid annual fee

St.27 status event code: N-4-6-H10-H13-oth-PC1903

Ip right cessation event data comment text: Termination Category : DEFAULT_OF_REGISTRATION_FEE

Not in force date: 20240916