1 |
1
학습 장치에 의한 아다부스트(Adaboost) 알고리즘 기반의 학습 방법으로서,검출대상이 포함된 복수의 Positive 영상, 및 상기 검출대상이 포함되지 않은 복수의 Negative 영상을 포함하는 훈련 데이터 집합을 N개의 부분 집합으로 나누는 단계;상기 각 부분 집합에 대해 아다부스트 알고리즘 기반의 학습을 수행하여, 초기 특징 집합에서 상기 검출대상의 검출률이 상대적으로 큰 상위 M개의 특징점을 각기 추출하는 단계; 및상기 추출하는 단계에서 추출된 N×M개의 특징점 중에서 상기 검출률이 상대적으로 큰 복수의 최종 특징점을 추출하는 단계를 포함하고, 상기 M개의 특징점을 각기 추출하는 단계는,상기 아다부스트 알고리즘 기반으로 상기 초기 특징 집합을 이용하여 상기 각 부분 집합 내 Positive 영상 및 Negative 영상의 특징의 값들을 계산하는 단계; 및상기 특징의 값들을 이용하여 상기 초기 특징 집합 내 특징점의 검출 오류값을 계산하고, 상기 검출 오류값이 상대적으로 작은 상기 M개의 특징점을 추출하는 단계를 포함하는 것인 아다부스트 알고리즘 기반 학습 방법
|
2 |
2
삭제
|
3 |
3
제1항에 있어서, 상기 M개의 특징점을 각기 추출하는 단계는,상기 N×M개의 특징점 중에서 임계치 이하의 검출 오류값(false nagative rate)이 발생한 불량 특징점이 있으면, 상기 불량 특징점에 대응하는 부분 집합 또는 영상을 사용자에게 안내하는 것인아다부스트 알고리즘 기반 학습 방법
|
4 |
4
제1항에 있어서, 상기 M개의 특징점을 각기 추출하는 단계는,상기 N×M개의 특징점 중에서 임계치 이하의 검출 오류값(false nagative rate)이 발생한 불량 특징점이 있으면, 상기 불량 특징점에 대응하는 부분 집합 내 상기 Positive 영상 및 Negative 영상 중 학습에 부적절한 영상이 있다고 판단하는 것인아다부스트 알고리즘 기반 학습 방법
|
5 |
5
제4항에 있어서, 상기 M개의 특징점을 각기 추출하는 단계는,상기 불량 특징점에 대응하는 부분 집합에 포함된 상기 부적절한 영상을 선별하여 상기 학습에 적절한 영상으로 교체하는 단계를 더 포함하는 것인아다부스트 알고리즘 기반 학습 방법
|
6 |
6
제4항에 있어서, 상기 M개의 특징점을 각기 추출하는 단계는,상기 부적절한 영상의 교체 후 상기 아다부스트 알고리즘에 기반하여 상기 불량 특징점에 대응하는 부분 집합에 대한 재학습을 수행하여 상기 검출률이 상대적으로 큰 상위 M개의 특징점을 추출하는 단계를 더 포함하는아다부스트 알고리즘 기반 학습 방법
|
7 |
7
제1항에 있어서, 상기 최종 특징점을 추출하는 단계는,상기 아다부스트 알고리즘에 기반하여 상기 N×M개의 특징점을 이용해 상기 훈련 데이터 집합을 학습하고, 그 결과 상기 N×M개의 특징점 중에서 상기 검출률이 상대적으로 큰 상기 복수의 최종 특징점을 추출하는 단계를 포함하는 것인아다부스트 알고리즘 기반 학습 방법
|
8 |
8
검출대상이 포함된 복수의 Positive 영상, 및 상기 검출대상이 포함되지 않은 복수의 Negative 영상을 포함하는 훈련 데이터 집합을 N개의 부분 집합으로 나누는 분류부;상기 N개의 부분 집합을 각기 입력받아, 각 부분 집합에 아다부스트(Adaboost) 알고리즘을 적용하여 초기 특징 집합에서 상기 검출대상의 검출률이 상대적으로 큰 상위 M개의 특징점을 각기 추출하는 제1 추출부; 및상기 제1 추출부로부터의 N×M개의 특징점 중에서 상기 검출률이 상대적으로 큰 복수의 최종 특징점을 추출하는 제2 추출부를 포함하고, 상기 제1 추출부는 상기 N×M개의 특징점 중에서 임계치 이하의 검출 오류값(false nagative rate)이 발생한 불량 특징점이 있으면, 상기 불량 특징점에 대응하는 부분 집합에 기설정된 대응을 수행하는 것인아다부스트 알고리즘 기반 학습 장치
|
9 |
9
삭제
|
10 |
10
제8항에 있어서, 상기 기설정된 대응은,상기 불량 특징점에 대응하는 부분 집합 내 상기 Positive 영상 및 Negative 영상 중 학습에 부적절한 영상이 있다고 판단하고, 상기 부적절한 영상을 교체하는 것인아다부스트 알고리즘 기반 학습 장치
|
11 |
11
제8항에 있어서, 상기 기설정된 대응은,상기 불량 특징점에 대응하는 부분 집합에 대해 상기 검출 오류값을 줄이는 대응을 수행한 후 상기 불량 특징점에 대응하는 부분 집합에 대해 재학습을 수행하여 새로운 상기 M개의 특징점을 재검출하는 것인아다부스트 알고리즘 기반 학습 장치
|
12 |
12
제8항에 있어서, 상기 제2 추출부는,상기 훈련 데이터 집합에 대해 상기 N×M개의 특징점을 이용한 상기 아다부스트 알고리즘 기반의 학습을 수행하고, 그 결과 상기 N×M개의 특징점 중에서 상기 검출률이 상대적으로 큰 상기 복수의 최종 특징점을 추출하는 것인아다부스트 알고리즘 기반 학습 장치
|