제 4 항에 있어서,상기 제 2 인코더가 상기 제 1 인코더의 중간 계층에 연결되는 구조를 갖는심층신경망 기반의 데이터 압축 및 복원 방법.

제 1 항에 있어서,상기 심층신경망을 위한 제 1 인코더와 상기 데이터 복원을 위한 제 2 인코더를 포함하는심층신경망 기반의 데이터 압축 및 복원 방법.

제 1 항에 있어서,상기 심층신경망에 필요한 정보만을 압축하는 인코더는,오토인코더(Autoencoder) 또는 생성 모델(Generative Model)과 같이 인코더로 활용되는 심층학습 기법들을 포함하는심층신경망 기반의 데이터 압축 및 복원 방법.

제 1 항에 있어서,상기 데이터는,상기 심층학습 응용 서비스에 사용되는 이미지, 비디오, 텍스트, 센서 값 중 적어도 하나 이상의 데이터를 포함하는심층신경망 기반의 데이터 압축 및 복원 방법.

사후 분석을 위해 원본에 가까운 데이터가 필요한 심층학습 응용 서비스에 사용되는 데이터를 압축 및 복원하는 심층신경망 기반의 데이터 압축 및 복원 시스템이 수행하는 방법에 있어서,원본 데이터 중 심층신경망에 필요한 정보만을 압축하여 복원이 불가능한 제 1 압축 데이터를 생성하는 단계와,서버로부터의 추가 데이터의 전송 요청에 따라 상기 원본 데이터 중 데이터 복원에 필요한 정보만을 갖는 제 2 압축 데이터를 생성하여 상기 서버로 전송하는 단계와,상기 제 1 압축 데이터와 상기 제 2 압축 데이터를 병합하여 병합된 압축 데이터를 생성한 후 상기 원본 데이터로 복원하는 단계를 포함하는심층신경망 기반의 데이터 압축 및 복원 방법.

제 5 항에 있어서,상기 중간 계층은,상기 원본 데이터를 받는 입력 계층을 포함한 임의 계층이 될 수 있는심층신경망 기반의 데이터 압축 및 복원 방법.

제 4 항에 있어서,상기 제 1 인코더는,상기 심층신경망의 손실함수를 활용하여 학습되고,상기 제 2 인코더는,상기 데이터 복원을 위한 손실함수(Reconstruction loss)를 활용하여 학습되는심층신경망 기반의 데이터 압축 및 복원 방법.

제 7 항에 있어서,상기 데이터 복원을 손실함수는,평균제공오차(mean square error) 또는 SSIM(Structural Similarity Index Map)이 사용되는 손실함수인심층신경망 기반의 데이터 압축 및 복원 방법.

제 4 항에 있어서,상기 제 1 인코더와 상기 제 2 인코더는,상기 심층신경망을 위한 압축을 학습한 후 상기 데이터 복원을 위한 압축을 학습하거나 또는 동시에 학습하는심층신경망 기반의 데이터 압축 및 복원 방법.

제 1 항에 있어서,상기 제 2 압축 데이터는,심층신경망 서비스의 종류에 따라 추가적인 필요 여부가 판단되는심층신경망 기반의 데이터 압축 및 복원 방법.

제 1 항에 있어서,상기 제 1 압축 데이터와 상기 제 2 압축 데이터를 병합은,합(sum) 또는 결합(concatenation) 방식으로 수행되는심층신경망 기반의 데이터 압축 및 복원 방법.

사후 분석을 위해 원본에 가까운 데이터가 필요한 심층학습 응용 서비스에 사용되는 데이터를 압축 및 복원하는 시스템에 있어서,원본 데이터 중 심층신경망에 필요한 정보만을 압축하여 복원이 불가능한 제 1 압축 데이터를 생성하고, 상기 원본 데이터 중 데이터 복원에 필요한 정보만을 갖는 제 2 압축 데이터를 생성하며, 상기 제 1 압축 데이터와 상기 제 2 압축 데이터를 병합하여 병합된 압축 데이터를 생성한 후 상기 원본 데이터로 복원하는심층신경망 기반의 데이터 압축 및 복원 시스템.

제 12 항에 있어서,상기 심층신경망에 필요한 정보만을 압축하는 인코더는,오토인코더(Autoencoder) 또는 생성 모델(Generative Model)과 같이 인코더로 활용되는 심층학습 기법들을 포함하는심층신경망 기반의 데이터 압축 및 복원 시스템.

제 12 항에 있어서,상기 데이터는,상기 심층학습 응용 서비스에 사용되는 이미지, 비디오, 텍스트, 센서 값 중 적어도 하나 이상의 데이터를 포함하는심층신경망 기반의 데이터 압축 및 복원 시스템.

제 12 항에 있어서,상기 심층신경망을 위한 제 1 인코더와 상기 데이터 복원을 위한 제 2 인코더를 포함하는심층신경망 기반의 데이터 압축 및 복원 시스템.

제 15 항에 있어서,상기 제 2 인코더가 상기 제 1 인코더의 중간 계층에 연결되는 구조를 갖는심층신경망 기반의 데이터 압축 및 복원 시스템.

제 16 항에 있어서,상기 중간 계층은,상기 원본 데이터를 받는 입력 계층을 포함한 임의 계층이 될 수 있는심층신경망 기반의 데이터 압축 및 복원 시스템.

제 15 항에 있어서,상기 제 1 인코더는,상기 심층신경망의 손실함수를 활용하여 학습되고,상기 제 2 인코더는,상기 데이터 복원을 위한 손실함수(Reconstruction loss)를 활용하여 학습되는심층신경망 기반의 데이터 압축 및 복원 시스템.

제 18 항에 있어서,상기 데이터 복원을 손실함수는,평균제공오차(mean square error) 또는 SSIM(Structural Similarity Index Map)이 사용되는 손실함수인심층신경망 기반의 데이터 압축 및 복원 시스템.

제 15 항에 있어서,상기 제 1 인코더와 상기 제 2 인코더는,상기 심층신경망을 위한 압축을 학습한 후 상기 데이터 복원을 위한 압축을 학습하거나 또는 동시에 학습하는심층신경망 기반의 데이터 압축 및 복원 시스템.

제 12 항에 있어서,상기 제 2 압축 데이터는,심층신경망 서비스의 종류에 따라 추가적인 필요 여부가 판단되는심층신경망 기반의 데이터 압축 및 복원 시스템.

제 12 항에 있어서,상기 제 1 압축 데이터와 상기 제 2 압축 데이터를 병합은,합(sum) 또는 결합(concatenation) 방식으로 수행되는심층신경망 기반의 데이터 압축 및 복원 시스템.