[기술이전의 내용]
A. 기능 : 딥 네트워크 모델 생성
- 각 레이어의 메소드 화로 원하는 형태의 딥 네트워크 모델 생성 가능
- 레이어 할당 시의 scope 지정을 통한 변수 관리 가능
- 최신 네트워크 구현 샘플 제공 (ResNet, DenseNet)
B. 기능 : 모델 학습
- Adam/Adagrad 등 다양한 최적화 기능을 통한 모델 학습 가능
- GPU위에서의 그래프 생성 및 병렬 처리 기능
- Trainable variable 혹은 global variable 관리를 통한 네트워크 back propagation의 범위 지정 가능
- 초음파 2D 영상이 입력 시, 학습된 모델을 이용하여 최적의 3D 표준 모델 선택하는 기능
C. 기능 : 데이터-라벨 페어의 mini-batch 할당 및 permutation 지원
- 하이퍼파라미터 지정을 통한 mini-batch 크기 및 learning rate 조절 가능
- one-hot 벡터 형태의 라벨과 이미지 데이터의 쌍 유지 및 랜덤 셔플링 지원
D. 기능 : 학습 resume 및 모델 로드 기능 지원
- 학습 중단 시 체크포인트를 통한 중단 시점부터의 학습 재개 가능
- 체크포인트 관리를 통해 원하는 iteration에서의 모델 로드 가능
[기술이전의 범위]
A. 태아 초음파 영상을 인식하여 최적의 3D 표준 모델을 선택하는 기술
- 태아 초음파 2D 영상을 입력으로 학습하는 학습 모듈
- 학습된 모델을 이용하여 최적의 3D 모델로 인식하는 테스트 모듈
* 제공형태: Tensorflow 라이브러리 기반의 python 언어로 구현된 소스 제공
B. 기술 문서
- VR멀미 기계학습 특징점 추출 가이드라인
- 요구사항정의서
- 시스템 설계서
- 시험절차 및 결과서