| 1 |
1
상이한 분류 기준에 따라 학습을 수행하는 복수의 분류기를 포함하는 딥 러닝(Deep learning) 기반 인식 시스템에 있어서, 입력 영상에 대해 제1 분류 기준에 따라 학습을 수행하여 제1 분류 결과를 출력하는 제1 분류기; 및상기 제1 분류 결과에 대하여 상기 제1 분류 기준과 상이한 제2 분류 기준에 따라 학습을 수행하여 제2 분류 결과를 출력하는 제2 분류기;를 포함하며, 상기 제1 분류 기준은 상기 제2 분류 기준의 선결적 관계가 되는 기준에 있는 것을 특징으로 하는 시스템
|
| 2 |
2
제1항에 있어서,상기 제2 분류기는,상기 입력 영상에 대해 상기 제2 분류 기준에 따라 학습을 수행하여 상기 제1 분류 결과와 병렬적으로 분류 결과를 산출하고, 상기 제1 분류 결과에 대해 상기 학습을 재 수행하여, 상기 재 수행된 학습 결과를 기초로, 상기 산출된 분류 결과를 보정한 것을 상기 제2 분류 결과로 출력하는 것을 특징으로 하는 시스템
|
| 3 |
3
제1항에 있어서,상기 제1 분류기는,상기 입력된 영상의 위치 특징 정보에 기초하여 상기 입력된 영상에 포함된 타겟 오브젝트의 위치를 나타내는 후보 영역을 추출하여 상기 제1 분류 결과로 출력하고,상기 제2 분류기는, 상기 제1 분류 결과로 출력된 상기 후보 영역에 포함된 자세 특징 정보에 기초하여 상기 후보 영역에 포함된 타겟 오브젝트의 자세를 상기 제2 분류 결과로 출력하는 것을 하는 시스템
|
| 4 |
4
제3항에 있어서, 상기 제2 분류기는, 상기 제1 분류 결과로 출력된 상기 후보 영역에 대해 탐색 윈도윙(Windowing)을 적용하여 뉴럴 네트워크(Neural Network)를 통해 기 학습된 자세 특징 정보에 대응되는 정보가 위치하는 블럭을 탐색하여 상기 후보 영역에 포함된 타겟 오브젝트의 자세를 상기 제2 분류 결과로 출력하는 것을 하는 시스템
|
| 5 |
5
제3항에 있어서, 상기 제1 분류기는, 상기 제2 분류 결과를 입력하여 상기 제1 분류 기준에 따라 재 학습을 수행한 결과를 상기 제1 분류 결과로 재 출력하여 이터레이션 학습을 수행하는 것을 특징으로 하는 시스템
|
| 6 |
6
제3항에 있어서, 상기 제1 분류기는, 상기 입력 영상이 복수의 제1 컨벌루션 레이어에 순차적으로 적용되어 도출된 제1 값을 제1 풀 커넥티드 레이어에 순차적으로 적용시켜 상기 타겟 오브젝트의 위치를 나타내는 상기 제1 분류 결과를 출력하고,상기 제2 분류기는, 상기 입력 영상이 복수의 제2 컨벌루션 레이어에 순차적으로 적용되어 도출된 제2 값에 상기 제1 분류 결과가 피드백된 값을 제2 풀 커넥티드 레이어에 순차적으로 적용시켜 상기 타겟 오브젝트의 자세를 나타내는 제2 분류 결과를 재 출력하는 것을 특징으로 하는 시스템
|
| 7 |
7
제1항에 있어서,상기 제2 분류기의 출력에 대하여 상기 제1 분류 기준 및 상기 제2 분류 기준과 상이한 제3 분류 기준에 따라 학습을 수행하여 분류 결과를 출력하는 제3 분류기;를 더 포함하고,상기 제2 분류 기준은 상기 제3 분류 기준의 선결적 관계가 되는 기준인 것을 특징으로 하는 시스템
|
| 8 |
8
제7항에 있어서,상기 제3 분류기는, 상기 제2 분류 결과로 출력된 타겟 오브젝트의 자세 정보를 포함하는 복수의 영상에 포함된 동작 특징 정보에 기초하여 상기 타겟 오브젝트의 동작을 상기 제3 분류 결과로 출력하는 것을 하는 시스템
|
| 9 |
9
상이한 분류 기준에 따라 학습을 수행하는 복수의 분류기를 포함하는 딥 러닝(Deep learning) 기반 인식 시스템의 제어 방법에 있어서,입력 영상에 대해 제1 분류 기준에 따라 학습을 수행하여 제1 분류 결과를 출력하는 단계; 및상기 제1 분류 결과에 대하여 상기 제1 분류 기준과 상이한 제2 분류 기준에 따라 학습을 수행하여 제2 분류 결과를 출력하는 단계;를 포함하고,상기 제1 분류 기준은 상기 제2 분류 기준의 선결적 관계가 되는 기준에 있는 것을 특징으로 하는 제어 방법
|
| 10 |
10
제9항에 있어서,상기 제2 분류 결과를 출력하는 단계는,상기 입력 영상에 대해 상기 제2 분류 기준에 따라 학습을 수행하여 상기 제1 분류 결과와 병렬적으로 분류 결과를 산출하는 단계; 및상기 제1 분류 결과에 대해 상기 학습을 재 수행하여, 상기 재 수행된 학습 결과를 기초로, 상기 산출된 분류 결과를 보정한 것을 상기 제2 분류 결과로 출력하는 단계;를 포함하는 것을 특징으로 하는 제어 방법
|
| 11 |
11
제9항에 있어서,상기 제1 분류 결과를 출력하는 단계는,상기 입력된 영상의 위치 특징 정보에 기초하여 상기 입력된 영상에 포함된 타겟 오브젝트의 위치를 나타내는 후보 영역을 추출하여 상기 제1 분류 결과로 출력하고,상기 제2 분류 결과를 출력하는 단계는,상기 제1 분류 결과로 출력된 상기 후보 영역에 포함된 자세 특징 정보에 기초하여 상기 후보 영역에 포함된 타겟 오브젝트의 자세를 상기 제2 분류 결과로 출력하는 것을 특징으로 하는 제어 방법
|
| 12 |
12
제11항에 있어서,상기 제2 분류 결과를 출력하는 단계는,상기 제1 분류 결과로 출력된 상기 후보 영역에 대해 탐색 윈도윙을 적용하여 뉴럴 네트워크를 통해 기 학습된 자세 특징 정보에 대응되는 정보가 위치하는 블럭을 탐색하여 상기 후보 영역에 포함된 타겟 오브젝트의 자세를 상기 제2 분류 결과로 출력하는 것을 특징으로 하는 제어 방법
|
| 13 |
13
제11항에 있어서,상기 제1 분류 결과를 출력하는 단계는,상기 제2 분류 결과를 입력하여 상기 제1 분류 기준에 따라 재 학습을 수행한 결과를 상기 제1 분류 결과로 재 출력하여 이터레이션 학습을 수행하는 것을 특징으로 하는 제어 방법
|
| 14 |
14
제11항에 있어서,상기 제1 분류 결과를 출력하는 단계는,상기 입력 영상이 복수의 제1 컨벌루션 레이어에 순차적으로 적용되어 도출된 제1 값을 제1 풀 커넥티드 레이어에 순차적으로 적용시켜 상기 타겟 오브젝트의 위치를 나타내는 상기 제1 분류 결과를 출력하고,상기 제2 분류 결과를 출력하는 단계는,상기 입력 영상이 복수의 제2 컨벌루션 레이어에 순차적으로 적용되어 도출된 제2 값에 상기 제1 분류 결과가 피드백된 값을 제2 풀 커넥티드 레이어에 순차적으로 적용시켜 상기 타겟 오브젝트의 자세를 나타내는 상기 제2 분류 결과를 출력하는 것을 특징으로 하는 제어 방법
|
| 15 |
15
제9항에 있어서,상기 출력된 제2 분류 결과에 대하여 상기 제1 분류 기준 및 상기 제2 분류 기준과 상이한 제3 분류 기준에 따라 학습을 수행하여 제3 분류 결과를 출력하는 단계;를 더 포함하고,상기 제2 분류 기준은 상기 제3 분류 기준의 선결적 관계가 되는 기준인 것을 특징으로 하는 제어 방법
|
| 16 |
16
제15항에 있어서,상기 제3 분류 결과를 출력하는 단계는,상기 제2 분류 결과로 출력된 상기 타겟 오브젝트의 자세 정보를 포함하는 복수의 영상에 포함된 동작 특징 정보에 기초하여 상기 타겟 오브젝트의 동작을 상기 제3 분류 결과로 출력하는 것을 특징으로 하는 제어 방법
|
