earticle

영어

Trademark rights, one of the intellectual property rights, are recognized with such a importance because they can be used exclusively. Because of they can be used in various ways as intellectual property rights for coporate financing, the importance of trademark is increasing in modern society and the number of trademark applications and registration is on the rise. The number of trademark applications in 2012 increased by about 95% over 8 years in 2020. On the other hand, the increase in trademark data acts as a factor that degrades the accuracy and ease of trademark search. This results in difficulties for companies and individuals in investigating pre-registered trademarks. According to a report by the Korean Intellectual Property Office, the number of requests for adjudication on trademarks in 2000 increased by about 65% over 20 years from 2,403 to 3,987 in 2020. According to a report published by the same organization, about 65.3% of companies said they do not carry out preventive activities to protect their trademarks. In addition, as the trend of trademark applications increases rapidly, the period of trademark review processing is also increasing. This is understood as a problem caused by the Korean Intellectual Property Office manually identifying the components contained in the trademark and designating the graphic classification code for the trademark filed in the form of an image. In order to improve the search efficiency for accumulated trademark data and to solve the problem of increasing the trademark review period as the trend of trademark applications increases, this study aims to conduct a study that automatically recognizes shapes existing in trademarks using an attention model among deep learning technologies. From January 1, 1960 to December 31, 2019, the average AUC for 149 labels was about 0.8051 as a result of learning and verifying data from 898,633 registered graphic and composite trademarks. This study is considered to be highly useful in the intellectual property industrial environment in that it applied to the Korean Intellectual Property Office, announced, withdrawn, extinguished, abandoned, invalid, rejected, and used registered graphic trademarks and graphic complex trademarks. Given that making border box information to about 1 million trademarks takes a considerable amount of time and money, the research is significant in that it suggested a direction to reduce the time and cost of labeling when developing artificial intelligence models in various industries in the future.

한국어

지적 재산권 중 하나인 상표권은 독점적, 배타적 사용이 가능하며 기업의 자금조달을 위한 목적으로 활용 될 수 있어 현대사회에서 상표의 중요성은 점점 증대되고 있으며, 이에 따라 상표의 출원 및 등록 건수는 점점 증가하는 추세이다. 한편, 상표 데이터의 증가는 상표 검색의 정확성과 용이성을 저하하는 요인으로 작 용하며, 이는 선등록 상표를 조사함에 있어 기업과 개인이 어려움을 겪게 되는 결과를 초래한다. 또한, 상표 출원 추이가 급격하게 증가함에 따라 상표 심사처리 기간 또한 증가하고 있는 것으로 나타났는데, 이는 특 허청에서 이미지 형식으로 출원된 상표에 대해 상표가 포함하고 있는 구성 요소를 파악하고 도형분류코드를 지정하는 작업을 사람이 직접 수행하고 있기 때문에 초래된 문제로 파악된다. 누적된 상표 데이터에 대한 검색 효율성을 개선하고, 상표출원 추이가 증대되면서 상표 심사 기간이 증가하는 문제를 해결하고자 본 연 구에서는 딥러닝 기술 중 어텐션 (attention) 모형을 활용하여 상표 내에 존재하는 도형을 자동으로 인식하 는 연구를 수행하고자 한다. 1960년 1월 1일부터 2019년 12월 31일까지 출원, 공고, 취하, 소멸, 포기, 무효, 거절, 등록된 도형상표 및 도형복합 상표 898,633개의 데이터를 대상으로 어텐션 모형을 통해 학습 및 검증 한 결과, 149개 라벨에 대해 평균 AUC가 약 0.8051로 나타났다. 본 연구는 대한민국 특허청에 출원, 공고, 취하, 소멸, 포기, 무효, 거절, 등록된 도형상표 및 도형복합 상표를 활용했다는 점에서 지식재산 산업 환경 에서의 활용성이 높을 것으로 사료된다. 또한, 약 100만 건에 달하는 상표에 경계상자 정보를 추가하는 작업 에는 상당한 시간과 비용이 소요된다는 점을 감안 할 때, 향후 다양한 산업에서 인공지능 모형을 개발하고 자 할 때 라벨링 작업에 소요되는 시간과 비용을 단축시킬 수 있는 방향성을 제시했다는 점에서 연구의 의의가 있다.