$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

합성곱 신경망(Convolutional Neural Network)을 활용한 지능형 유사상표 검색 모형 개발
A Study on Similar Trademark Search Model Using Convolutional Neural Networks 원문보기

경영과 정보연구 = Management & information systems review, v.38 no.3, 2019년, pp.55 - 80  

윤재웅 (광운대학교 경영학부) ,  이석준 (광운대학교 경영학부) ,  송칠용 (신나는주식회사) ,  김연식 (신나는주식회사) ,  정미영 (광운대학교 경영학부) ,  정상일 (해율특허법률사무소)

초록
AI-Helper 아이콘AI-Helper

전 세계적으로 온라인 상거래 시장 규모가 성장함에 따라 국제 및 국내 기업의 상표권이 침해되는 사례가 빈번하게 발생하고 있다. 다양한 연구 및 보고서에 따르면, 해외 기업 또는 개인이 국내 기업의 상표권을 침해한 사례와, 국내 기업 간 발생하는 상표권 분쟁 사례가 증가하고 있는 것으로 나타나고 있으며, 특허청의 보고서에 따르면 기업의 규모가 작을수록 상표보호를 위한 사전 예방활동을 수행하지 않는다고 응답한 비율이 높은 것으로 나타났다. 이러한 문제는 선등록 상표에 대한 사전조사 또는 자사의 상표보호를 위해 소요되는 인력과 비용이 원인인 것으로 판단된다. 한편, 국내에서 선등록상표에 대한 사전조사를 위해 상용되는 서비스를 살펴보면 상표 이미지를 활용한 검색 서비스를 제공하고 있지 않은 상황이다. 이로 인해 국내 대다수의 기업은 자사의 상표 보호 및 선등록 상표에 대한 사전조사 수행 시 방대한 양의 선등록된 상표를 수작업으로 조사해야하는 문제가 발생한다. 따라서 본 연구에서는 기업의 상표권 보호 및 선등록 상표에 대한 사전조사 수행 시 투입되는 인력 및 비용절감과, 국내외에서 발생하고 있는 상표권 침해 문제를 해결하기 위해 합성곱 신경망 기법을 활용한 지능형 유사 상표 검색 모델을 개발하고자 한다. 지적 재산권 전문가가 선정한 테스트 데이터를 활용하여 지능형 유사 상표 검색 모델의 정확도를 측정한 결과 ResNet V1 101의 성능이 가장 높게 나타났다. 해당 결과를 통해 이미지 분류 알고리즘이 단순한 사물 인식 분야뿐만 아니라 이미지 검색 분야에서도 높은 성능을 나타낸다는 것을 실증적으로 입증했으며, 본 연구는 실제 상표 이미지 데이터를 활용했다는 측면에서 실제 산업 환경에서 활용성이 높을 것으로 사료된다.

Abstract AI-Helper 아이콘AI-Helper

Recently, many companies improving their management performance by building a powerful brand value which is recognized for trademark rights. However, as growing up the size of online commerce market, the infringement of trademark rights is increasing. According to various studies and reports, cases ...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 다양한 국내외 선행연구들을 살펴보면 합성곱 신경망 모형은 이미지 인식에 적합한 모형임을 알 수 있으며, 본 연구에서는 합성곱 신경망 모형을 활용하여 특정 상표 이미지와 유사한 이미지를 검색할 수 있는 지능형 유사상표 검색모형에 대한 연구를 수행하고자 한다.
  • 상표 유사 판단 기준에 관한 국내외 연구를 살펴보면 객관적인 측정 방법이 아닌 법리적 해석 중심의 연구가 중점적으로 수행되었으며, 과학적인 방법을 활용하여 상표권 침해 문제를 해결하고자 수행된 연구는 전무한 것을 알 수 있다. 따라서 본 연구에서는 합성곱 신경망 모형을 활용한 지능형 유사상표 검색 모델을 개발함으로써 상표권 침해에 관한 문제를 과학적으로 해결하고자 하며, 본 연구에서 제안된 모델을 통해 상표 간 유사도를 객관적으로 제시할 수 있을 것으로 판단된다.
  • 본 연구에서는 ILSVRC(ImageNet Large Scale Visual Recognition Challenge)에서 우수한 성능을 나타낸 합성곱 신경망인 VGG-Net(Simonyan & Zisserman, 2014), GoogLeNet(Szegedy et al., 2015), ResNet(He et al., 2016)에 대한 모형에 대해 살펴보고자 하며, 각 모형에 대한 설명은 다음과 같다.
  • 본 연구에서는 국내 기업이 선등록상표에 대한 사전조사 수행 시 발생하는 비용절감과 국내외에서 발생하는 상표권 침해 문제를 해결하기 위해 특정 상표 이미지와 유사한 이미지를 검색하는 지능형 유사상표 검색 모형을 제안하고자 하며, 이를 위해 다음과 같은 연구 절차를 수행한다.
  • 본 연구에서는 지능형 유사 상표 검색 모형을 개발하기 위해 다음과 같은 단계가 수행되었다.
  • 본 연구의 목적은 유사 상표를 정확하게 검색하는 모형을 개발하는 것이다. 따라서 실제 산업환경에서 제안 모형에 대한 활용 가능성을 확인하기 위해 <표 4>와 같은 과정이 수행된다.
  • 본 연구의 목적은 유사 상표를 효과적으로 검색하는 모형을 개발하는 것이며, 본 연구에서 개발한 지능형 유사 상표 모형에 대한 산업환경에서의 활용 가능성을 확인하기 위해 테스트 데이터를 활용하여 모형의 정확도를 산출했다. 본 연구에서 선정된 테스트 데이터는 <그림 12>와 같다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
합성곱 신경망 모형(convolutional neural network)은 무엇인가? 합성곱 신경망 모형(convolutional neural network)은 이미지를 효과적으로 분류하기 위해 LeCun et al. (1989)에 의해 제안된 모형이며 사람의 시각처리 과정을 모방하여 고안되었기 때문에 이미지 특성을 추출하기에 적합한 모형으로 평가되고 있다. 합성곱 신경망의 구조는 일반적으로 아래 <그림 1>과 같이 합성곱 계층(convolutional layer), 통합 계층(pooling layer), 완전 연결 계층(fully-connected layer)으로 구성되어 있으며 각 계층에 대한 설명은 다음과 같다.
기업의 규모가 작을수록 상표보호를 위한 사전 예방활동을 수행하지 않는 이유는 무엇인가? 다양한 연구 및 보고서에 따르면, 해외 기업 또는 개인이 국내 기업의 상표권을 침해한 사례와, 국내 기업 간 발생하는 상표권 분쟁 사례가 증가하고 있는 것으로 나타나고 있으며, 특허청의 보고서에 따르면 기업의 규모가 작을수록 상표보호를 위한 사전 예방활동을 수행하지 않는다고 응답한 비율이 높은 것으로 나타났다. 이러한 문제는 선등록 상표에 대한 사전조사 또는 자사의 상표보호를 위해 소요되는 인력과 비용이 원인인 것으로 판단된다. 한편, 국내에서 선등록상표에 대한 사전조사를 위해 상용되는 서비스를 살펴보면 상표 이미지를 활용한 검색 서비스를 제공하고 있지 않은 상황이다.
지능형 유사상표 모형의 유사도 기준에서 어떤 모델이 가장 높은 성능을 나타내는가? 마지막으로 본 연구에서 제안한 지능형 유사상표 모형에 대한 산업 환경 활용 가능성을 활용하기 위해 데이터 수집 단계에서 수집된 총 59,886건의 상표 이미지 데이터 중에서 지식재산권 전문가가 선정한 100개의 상표 이미지를 선별하여 지능형 유사상표 모형에 대한 정확도를 산출했다. 모형의 테스트 결과 모든 유사도 기준에서 ResNet V1 101이 각각 89.0%, 84.0%, 80.0%, 78.0%, 69.%0의 정확도를 나타내어 가장 높은 성능을 기록했다.
질의응답 정보가 도움이 되었나요?

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로