1 |
1
학습 장치에서 수행되는 학습 방법에 있어서,입력된 학습 데이터를 미리 설정된 기준으로 두 개의 그룹으로 분할하는 단계;상기 분할된 두 개의 그룹 중 하나의 그룹을 클래스 1로 설정하고, 나머지 그룹을 클래스 2로 설정하는 단계;상기 클래스 1과 클래스 2 사이의 분산과, 상기 클래스 1과 클래스 2 내의 분산의 비가 최대가 되도록 하는 투영 벡터를 획득하는 단계;상기 획득한 투영 벡터에 상기 입력된 학습 데이터를 투영하여 상기 분할된 두 개의 그룹을 구분할 수 있는 데이터 특징을 추출하는 단계; 및상기 추출된 특징을 이용하여 학습을 수행하는 단계를 포함하는 추출된 데이터 특징을 이용한 학습 방법
|
2 |
2
청구항 1에 있어서,상기 데이터 특징을 추출하는 단계 이후에,상기 두 개의 그룹 중 하위 그룹으로 분할할 필요가 있는 그룹이 있는 경우, 상기 분할할 필요가 있는 그룹을 하위 그룹으로 분할하는 단계; 및분할된 상기 하위 그룹을 구분할 수 있는 데이터 특징을 추출하는 단계를 더 포함하는 것을 특징으로 하는 추출된 데이터 특징을 이용한 학습 방법
|
3 |
3
삭제
|
4 |
4
청구항 1에 있어서,상기 데이터 특징을 추출하는 단계는,상기 입력된 학습 데이터에 대하여 후보 특징들을 추출하는 단계;상기 입력된 학습 데이터에 포함된 개별 데이터에 가중치를 부여하는 단계;상기 개별 데이터에 부여된 가중치에 따라 상기 개별 데이터 중 일부 데이터를 선택하는 단계;상기 후보 특징들 각각에 대해 상기 일부 데이터를 이용하여 상기 두 개의 그룹을 분류하는 분류기들을 학습하는 단계;상기 입력된 학습 데이터와 상기 개별 데이터에 부여된 가중치에 기초하여 상기 분류기들의 정확도를 계산하고 정확도가 가장 높은 분류기를 분류 성능이 가장 높은 분류기로 선택하는 단계; 및상기 분류 성능이 가장 높은 분류기를 학습하는데 이용한 후보 특징들을 상기 두 개의 그룹을 구분하기 위한 데이터 특징으로 추출하는 단계를 포함하는 것을 특징으로 하는 추출된 데이터를 이용한 학습 방법
|
5 |
5
청구항 4에 있어서,상기 데이터 특징을 추출하는 단계는,상기 분류 성능이 가장 높은 분류기에 의해 분류된 개별 데이터의 가중치는 낮추고, 상기 분류된 개별 데이터를 제외한 개별 데이터의 가중치는 높이는 단계;상기 두 개의 그룹을 구분하기 위한 데이터 특징이 미리 설정된 개수만큼 추출되었는지 판단하는 단계; 및미리 설정된 개수만큼 추출되지 않은 것으로 판단되면, 상기 두 개의 그룹을 구분하기 위한 데이터 특징이 미리 설정된 개수만큼 추출될 때까지 상기 일부 데이터를 선택하는 단계부터 상기 미리 설정된 개수만큼 추출되었는지 판단하는 단계를 반복 수행하는 단계를 더 포함하는 것을 특징으로 하는 추출된 데이터 특징을 이용한 학습 방법
|
6 |
6
청구항 5에 있어서,상기 개별 데이터에 부여된 가중치에 따라 상기 개별 데이터 중 일부 데이터를 선택하는 단계는,상기 개별 데이터에 부여된 가중치가 높을수록 선택할 확률이 높은 것을 특징으로 하는 추출된 데이터 특징을 이용한 학습 방법
|
7 |
7
청구항 1에 있어서,상기 분할된 두 개의 그룹을 구분할 수 있는 데이터 특징을 추출하는 단계는,상기 분할된 두 개의 그룹을 구분할 수 있는 데이터 특징을 영상 필터, 텍스쳐 표현방법, 웨이블릿(Wavelet) 분석, 푸리에 변환(Fourier Transform), 차원 축소 방법 및 특징 추출 수단 중 적어도 하나를 통해 추출하는 것을 특징으로 하는 추출된 데이터 특징을 이용한 학습 방법
|
8 |
8
청구항 1에 있어서,상기 추출된 특징을 이용하여 학습을 수행하는 단계 이후에,상기 학습 수행 결과에 얼굴 영상 데이터를 입력하여 상기 얼굴 영상 데이터에 상응하는 나이 또는 포즈를 추출하는 단계를 더 포함하는 것을 특징으로 하는 추출된 데이터 특징을 이용한 학습 방법
|
9 |
9
입력된 학습 데이터를 제공하는 학습 데이터 제공부;상기 학습 데이터를 미리 설정된 기준으로 두 개의 그룹으로 분할하고, 상기 분할된 두 개의 그룹 중 하나의 그룹을 클래스 1로 설정하고, 나머지 그룹을 클래스 2로 설정하고, 상기 클래스 1과 클래스 2 사이의 분산과 상기 클래스 1과 클래스 2내의 분산의 비가 최대가 되도록 하는 투영 벡터를 획득한 후, 상기 획득한 투영 벡터에 상기 입력된 데이터를 투영하여 상기 분할된 두 개의 그룹을 구분할 수 있는 데이터 특징을 추출하여 추출한 데이터 특징을 제공하는 특징 추출부; 및상기 추출된 데이터 특징을 이용하여 학습을 수행하는 처리부를 포함하는 추출된 데이터 특징을 이용한 학습 장치
|
10 |
10
청구항 9에 있어서,상기 특징 추출부는,상기 두 개의 그룹 중 하위 그룹으로 분할할 필요가 있는 그룹이 있는 경우, 상기 분할할 필요가 있는 그룹을 하위 그룹으로 분할하고, 상기 하위 그룹을 구분할 수 있는 데이터 특징을 추출하여 추출한 데이터 특징을 상기 처리부로 제공하는 것을 특징으로 하는 추출된 데이터 특징을 이용한 학습 장치
|
11 |
11
삭제
|
12 |
12
청구항 9에 있어서,상기 특징 추출부는,상기 분할된 두 개의 그룹을 구분할 수 있는 데이터 특징을 영상 필터, 텍스쳐 표현방법, 웨이블릿(Wavelet) 분석, 푸리에 변환(Fourier Transform), 차원 축소 방법 및 특징 추출 수단 중 적어도 하나를 통해 추출하는 것을 특징으로 하는 추출된 데이터 특징을 이용한 학습 장치
|
13 |
13
청구항 9에 있어서,상기 처리부는,상기 학습 데이터 제공부로부터 얼굴 영상 데이터가 제공되면, 상기 학습을 수행한 결과에 상기 얼굴 영상 데이터를 입력하여 상기 얼굴 영상 데이터에 상응하는 나이 또는 포즈를 추출하는 것을 특징으로 하는 추출된 데이터 특징을 이용한 학습 장치
|