인공지능 모듈을 포함하는 전자 장치에 의해 수행되는 방법에 있어서,입력 데이터를 수신하는 단계;상기 입력 데이터를 제1 데이터, 제2 데이터, 제3 데이터, 및 제4 데이터로 증강 처리하는 단계;제1 인공지능 모듈에 상기 제1 데이터를 입력으로 하고, 제2 인공지능 모듈에 상기 제2 데이터를 입력으로 하여 상기 제1 인공지능 모듈에 대한 학습을 수행하는 단계;상기 학습된 제1 인공지능 모듈에 상기 제3 데이터를 입력으로 하고, 제3 인공지능 모듈에 상기 제4 데이터를 입력으로 하여 상기 학습된 제1 인공지능 모듈에 대한 추가 학습을 수행하는 단계를 포함하는 방법.

제1항에 있어서,제1 인공지능 모듈에 상기 제1 데이터를 입력으로 하고, 제2 인공지능 모듈에 상기 제2 데이터를 입력으로 하여 상기 제1 인공지능 모듈에 대한 학습을 수행하는 단계는:상기 제2 인공지능 모듈에 상기 제2 데이터를 입력으로 하여 의사 레이블을 생성하는 단계;상기 생성한 의사 레이블 및 상기 제1 데이터를 기반으로 상기 제1 인공지능 모듈을 학습시키는 단계; 및상기 제1 인공지능 모듈의 파라미터에 대한 지수 이동 평균을 계산하여 상기 제2 인공지능 모듈을 업데이트하는 단계를 포함하는 방법.

제1항에 있어서,상기 학습된 제1 인공지능 모듈에 상기 제3 데이터를 입력으로 하고, 제3 인공지능 모듈에 상기 제4 데이터를 입력으로 하여 상기 학습된 제1 인공지능 모듈에 대한 추가 학습을 수행하는 단계는:상기 제3 인공지능 모듈에 상기 제4 데이터를 입력으로 하여 의사 레이블을 생성하는 단계;상기 생성한 의사 레이블을 기반으로 상기 학습된 제1 인공지능 모듈을 추가 학습시키는 단계; 및상기 추가 학습된 제1 인공지능 모듈의 파라미터에 대한 지수 이동 평균을 계산하여 상기 제3 인공지능 모듈을 업데이트하는 단계를 포함하는 방법.

제1항에 있어서,상기 제1 데이터 및 상기 제3 데이터는 강한(strong) 증강이 적용된 데이터이고,상기 제2 데이터 및 상기 제4 데이터는 상기 제1 데이터 및 상기 제3 데이터에 적용된 증강보다 약한(weak) 증강이 적용된 데이터인 방법.

제1항에 있어서,상기 제2 데이터는 상기 제4 데이터와 동일한 데이터인 방법.

제1항에 있어서,상기 입력 데이터를 제5 데이터, 및 제6 데이터로 증강 처리하는 단계; 및상기 추가 학습된 제1 인공지능 모듈에 상기 제5 데이터를 입력으로 하고, 제5 인공지능 모듈에 상기 제6 데이터를 입력으로 하여 상기 추가 학습된 제1 인공지능 모듈에 대한 추가 학습을 수행하는 단계를 더 포함하는 방법.

제1항에 있어서,상기 제1 인공지능 모듈은 학생 네트워크이고, 상기 제2 인공지능 모듈은 교사 네트워크로 지식 증류 기법을 통해 학습이 수행되고,상기 학습된 제1 인공지능 모듈은 학생 네트워크이고, 상기 제3 인공지능 모듈은 교사 네트워크로 지식 증류 기법을 통해 학습이 수행되는 방법.

전자 장치에 있어서,메모리;모뎀; 및상기 모뎀 및 상기 메모리에 연결되는 프로세서를 포함하고,상기 프로세서는:입력 데이터를 수신하고,상기 입력 데이터를 제1 데이터, 제2 데이터, 제3 데이터, 및 제4 데이터로 증강 처리하고,제1 인공지능 모듈에 상기 제1 데이터를 입력으로 하고, 제2 인공지능 모듈에 상기 제2 데이터를 입력으로 하여 상기 제1 인공지능 모듈에 대한 학습을 수행하고,상기 학습된 제1 인공지능 모듈에 상기 제3 데이터를 입력으로 하고, 제3 인공지능 모듈에 상기 제4 데이터를 입력으로 하여 상기 학습된 제1 인공지능 모듈에 대한 추가 학습을 수행하도록 구성되는 전자 장치.

제8항에 있어서, 상기 프로세서는:상기 제2 인공지능 모듈에 상기 제2 데이터를 입력으로 하여 의사 레이블을 생성하고,상기 생성한 의사 레이블 및 상기 제1 데이터를 기반으로 상기 제1 인공지능 모듈을 학습시키고, 및상기 제1 인공지능 모듈의 파라미터에 대한 지수 이동 평균을 계산하여 상기 제2 인공지능 모듈을 업데이트하도록 구성되는 전자 장치.

제8항에 있어서, 상기 프로세서는:상기 제3 인공지능 모듈에 상기 제4 데이터를 입력으로 하여 의사 레이블을 생성하고,상기 생성한 의사 레이블을 기반으로 상기 학습된 제1 인공지능 모듈을 추가 학습시키고, 및상기 추가 학습된 제1 인공지능 모듈의 파라미터에 대한 지수 이동 평균을 계산하여 상기 제3 인공지능 모듈을 업데이트하도록 구성되는 전자 장치.

제8항에 있어서,상기 제1 데이터 및 상기 제3 데이터는 강한(strong) 증강이 적용된 데이터이고,상기 제2 데이터 및 상기 제4 데이터는 상기 제1 데이터 및 상기 제3 데이터에 적용된 증강보다 약한(weak) 증강이 적용된 데이터인 전자 장치.

제8항에 있어서,상기 제2 데이터는 상기 제4 데이터와 동일한 데이터인 전자 장치.

제8항에 있어서, 상기 프로세서는:상기 입력 데이터를 제5 데이터, 및 제6 데이터로 증강 처리하고, 및상기 추가 학습된 제1 인공지능 모듈에 제5 데이터를 입력으로 하고, 제5 인공지능 모듈에 제6 데이터를 입력으로 하여 상기 추가 학습된 제1 인공지능 모듈에 대한 추가 학습을 수행하도록 더 구성되는 전자 장치.

제8항에 있어서,상기 제1 인공지능 모듈은 학생 네트워크이고, 상기 제2 인공지능 모듈은 교사 네트워크로 지식 증류 기법을 통해 학습이 수행되고,상기 학습된 제1 인공지능 모듈은 학생 네트워크이고, 상기 제3 인공지능 모듈은 교사 네트워크로 지식 증류 기법을 통해 학습이 수행되는 전자 장치.

프로세서(processor)에 의해 실행 가능한 인공지능 알고리즘을 통해 방향 추정 방법을 수행하기 위한 매체에 저장된 프로그램으로서,입력 데이터를 수신하는 단계;상기 입력 데이터를 제1 데이터, 제2 데이터, 제3 데이터, 및 제4 데이터로 증강 처리하는 단계;제1 인공지능 모듈에 상기 제1 데이터를 입력으로 하고, 제2 인공지능 모듈에 상기 제2 데이터를 입력으로 하여 상기 제1 인공지능 모듈에 대한 학습을 수행하는 단계;상기 학습된 제1 인공지능 모듈에 상기 제3 데이터를 입력으로 하고, 제3 인공지능 모듈에 상기 제4 데이터를 입력으로 하여 상기 학습된 제1 인공지능 모듈에 대한 추가 학습을 수행하는 단계를 포함하는 프로그램.