글로벌모델의 구축장치에 의해 수행되는 연합학습을 위한 글로벌모델의 구축방법에 있어서,복수의 클라이언트 각각의 로컬모델에 대한 복수의 파라미터를 수집하는 단계;상기 복수의 파라미터에 기초하여 글로벌모델을 구축하는 단계; 및외부에서 입력된 이미지에 기초하여 결정된 가중치 값을 이용하여 상기 글로벌모델을 업데이트하는 단계를 포함하되, 상기 글로벌모델을 구축하는 단계는, 복수의 분류 파라미터 각각에 대응되는 복수의 분류부를 포함하는 분류모듈을 구성하는 단계를 포함하고,상기 글로벌모델을 업데이트하는 단계는, 상기 입력된 이미지에 대한 변형이미지를 생성하는 단계;상기 글로벌모델에 상기 입력된 이미지 및 상기 변형이미지를 입력하여 상기 입력된 이미지에 대한 하나 이상의 제1특징 및 상기 변형이미지에 대한 하나 이상의 제2특징을 추출하는 단계; 및상기 분류모듈을 이용하여, 상기 하나 이상의 제1특징에 대한 하나 이상의 제1분류결과 및 상기 하나 이상의 제2특징에 대한 하나 이상의 제2분류결과를 획득하는 단계를 더 포함하되,상기 가중치 값은,상기 하나 이상의 제1분류결과 및 상기 하나 이상의 제2분류결과에 기초하여 결정되는 연합학습을 위한 글로벌모델의 구축방법.

제1항에 있어서, 상기 복수의 파라미터는, 상기 복수의 클라이언트 각각의 상기 로컬모델에 대한 복수의 추출 파라미터 및 복수의 분류 파라미터를 포함하고, 상기 글로벌모델을 구축하는 단계는, 상기 복수의 추출 파라미터를 집계(aggregation)하여 특징 추출모듈을 구성하는 단계를 포함하는 연합학습을 위한 글로벌모델의 구축방법.

제2항에 있어서, 상기 글로벌모델을 구축하는 단계는, 상기 복수의 분류부 각각의 출력 값에 기 설정된 가중치를 적용하여 상기 분류모듈의 분류 결과값으로 출력하는 가중 평균모듈을 구성하는 단계를 더 포함하는 연합학습을 위한 글로벌모델의 구축방법.

제2항에 있어서, 상기 특징 추출모듈을 상기 복수의 클라이언트 각각에 배포하여 각 클라이언트의 상기 로컬모델을 업데이트하는 단계를 더 포함하는 연합학습을 위한 글로벌모델의 구축방법.

삭제

제1항에 있어서, 상기 글로벌모델을 업데이트하는 단계는, 기 설정된 가중치에 기초하여 상기 하나 이상의 제1분류결과에 대한 가중 평균값을 제1분류 결과값으로 획득하는 단계; 및상기 기 설정된 가중치에 기초하여 상기 하나 이상의 제2분류결과에 대한 가중 평균값을 제2분류 결과값으로 획득하는 단계를 더 포함하고,상기 가중치 값은,상기 제1분류 결과값과 상기 제2분류 결과값 간 유사도가 최대가 되도록 결정되는 연합학습을 위한 글로벌모델의 구축방법.

제1항에 있어서, 상기 변형이미지를 생성하는 단계는, 상기 입력된 이미지에 대한 상/하/좌/우 반전, 크기 조절, 노이즈 부여, 컬러 지터링(jittering) 중 적어도 하나를 통해 상기 변형이미지를 생성하는 단계를 포함하는 연합학습을 위한 글로벌모델의 구축방법.

글로벌모델 구축 프로그램이 저장된 메모리; 및상기 글로벌모델 구축 프로그램을 실행하여, 복수의 클라이언트 각각의 로컬모델에 대한 복수의 파라미터를 수집하고, 상기 복수의 파라미터에 기초하여 글로벌모델을 구축하고, 외부에서 입력된 이미지에 기초하여 결정된 가중치 값을 이용하여 상기 글로벌모델을 업데이트하는 프로세서를 포함하되, 상기 프로세서는, 복수의 분류 파라미터 각각에 대응되는 복수의 분류부를 포함하는 분류모듈을 구성하고, 상기 입력된 이미지에 대한 변형이미지를 생성하고, 상기 글로벌모델에 상기 입력된 이미지 및 상기 변형이미지를 입력하여 상기 입력된 이미지에 대한 하나 이상의 제1특징 및 상기 변형이미지에 대한 하나 이상의 제2특징을 추출하고, 상기 하나 이상의 제1특징에 대한 하나 이상의 제1분류결과 및 상기 하나 이상의 제2특징에 대한 하나 이상의 제2분류결과를 획득하고, 상기 가중치 값은,상기 하나 이상의 제1분류결과 및 상기 하나 이상의 제2분류결과에 기초하여 결정되는 연합학습을 위한 글로벌모델의 구축장치.

제8항에 있어서, 상기 복수의 파라미터는, 상기 복수의 클라이언트 각각의 상기 로컬모델에 대한 복수의 추출 파라미터 및 복수의 분류 파라미터를 포함하고, 상기 프로세서는, 상기 복수의 추출 파라미터를 집계(aggregation)하여 특징 추출모듈을 구성하는 연합학습을 위한 글로벌모델의 구축장치.

제9항에 있어서, 상기 프로세서는, 상기 글로벌모델에 상기 복수의 분류부 각각의 출력 값에 기 설정된 가중치를 적용하여 상기 분류모듈의 분류 결과값으로 출력하는 가중 평균모듈을 더 구성하는 연합학습을 위한 글로벌모델의 구축장치.

제9항에 있어서, 상기 프로세서는, 상기 특징 추출모듈을 상기 복수의 클라이언트 각각에 배포하여 각 클라이언트의 상기 로컬모델을 업데이트하는 연합학습을 위한 글로벌모델의 구축장치.

삭제

제8항에 있어서, 상기 프로세서는, 기 설정된 가중치에 기초하여 상기 하나 이상의 제1분류결과에 대한 가중 평균값을 제1분류 결과값으로 획득하고, 상기 기 설정된 가중치에 기초하여 상기 하나 이상의 제2분류결과에 대한 가중 평균값을 제2분류 결과값으로 획득하고, 상기 가중치 값은,상기 제1분류 결과값과 상기 제2분류 결과값 간 유사도가 최대가 되도록 결정되는 연합학습을 위한 글로벌모델의 구축장치.

제8항에 있어서, 상기 프로세서는, 상기 입력된 이미지에 대한 상/하/좌/우 반전, 크기 조절, 노이즈 부여, 컬러 지터링(jittering) 중 적어도 하나를 통해 상기 변형이미지를 생성하는 연합학습을 위한 글로벌모델의 구축장치.

컴퓨터 프로그램이 저장된 컴퓨터 판독 가능 기록매체로서,상기 컴퓨터 프로그램은, 복수의 클라이언트 각각의 로컬모델에 대한 복수의 파라미터를 수집하는 단계;상기 복수의 파라미터에 기초하여 글로벌모델을 구축하는 단계; 및외부에서 입력된 이미지에 기초하여 결정된 가중치 값을 이용하여 상기 글로벌모델을 업데이트하는 단계를 포함하되, 상기 글로벌모델을 구축하는 단계는, 복수의 분류 파라미터 각각에 대응되는 복수의 분류부를 포함하는 분류모듈을 구성하는 단계를 포함하고,상기 글로벌모델을 업데이트하는 단계는, 상기 입력된 이미지에 대한 변형이미지를 생성하는 단계;상기 글로벌모델에 상기 입력된 이미지 및 상기 변형이미지를 입력하여 상기 입력된 이미지에 대한 하나 이상의 제1특징 및 상기 변형이미지에 대한 하나 이상의 제2특징을 추출하는 단계; 및상기 하나 이상의 제1특징에 대한 하나 이상의 제1분류결과 및 상기 하나 이상의 제2특징에 대한 하나 이상의 제2분류결과를 획득하는 단계를 더 포함하고,상기 가중치 값은,상기 하나 이상의 제1분류결과 및 상기 하나 이상의 제2분류결과에 기초하여 결정되는 연합학습을 위한 글로벌모델의 구축방법을 프로세서가 수행하기 위한 명령어를 포함하는 컴퓨터 판독 가능한 기록매체.

컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램으로서,상기 컴퓨터 프로그램은, 복수의 클라이언트 각각의 로컬모델에 대한 복수의 파라미터를 수집하는 단계;상기 복수의 파라미터에 기초하여 글로벌모델을 구축하는 단계; 및외부에서 입력된 이미지에 기초하여 결정된 가중치 값을 이용하여 상기 글로벌모델을 업데이트하는 단계를 포함하되, 상기 글로벌모델을 구축하는 단계는, 복수의 분류 파라미터 각각에 대응되는 복수의 분류부를 포함하는 분류모듈을 구성하는 단계를 포함하고,상기 글로벌모델을 업데이트하는 단계는, 상기 입력된 이미지에 대한 변형이미지를 생성하는 단계;상기 글로벌모델에 상기 입력된 이미지 및 상기 변형이미지를 입력하여 상기 입력된 이미지에 대한 하나 이상의 제1특징 및 상기 변형이미지에 대한 하나 이상의 제2특징을 추출하는 단계; 및상기 하나 이상의 제1특징에 대한 하나 이상의 제1분류결과 및 상기 하나 이상의 제2특징에 대한 하나 이상의 제2분류결과를 획득하는 단계를 더 포함하고,상기 가중치 값은,상기 하나 이상의 제1분류결과 및 상기 하나 이상의 제2분류결과에 기초하여 결정되는 연합학습을 위한 글로벌모델의 구축방법을 프로세서가 수행하기 위한 명령어를 포함하는 기록매체에 저장된 컴퓨터 프로그램.