| 1 |
1
입력 영상을 입력하는 영상 입력부;상기 영상 입력부로부터 받은 입력 영상을 패턴화된 다수의 패턴 영상으로 각각 생성하는 제1 및 제2 패턴화 모듈;상기 영상 입력부로부터 받은 입력 영상과 상기 제1 패턴화 모듈로부터 받은 패턴 영상을 학습하여 학습정보를 생성하는 컨볼루션 신경망(CNN: Convolution Neural Network)을 기반으로 하는 CNN 학습부;상기 CNN 학습부로부터 학습정보와, 상기 영상 입력부로부터 받은 입력 영상 및 상기 제2 패턴화 모듈로부터 패턴 영상을 전달받아, 입력 영상과 패턴 영상에 학습정보의 가중치를 곱하여 영상 정보를 출력하는 CNN 실행부; 및상기 CNN 실행부로부터 영상 정보를 받아 영상 정보의 객체를 종류별로 분류하는 최종 분류부를 포함하는 것을 특징으로 하는 컨볼루션 신경망 기반의 영상 패턴화를 이용한 딥러닝 시스템으로서,상기 CNN 학습부는,상기 제2 패턴화 모듈 및 상기 영상 입력부로부터 받은 영상의 각 특징을 추출하는 특징 추출 모듈; 및상기 특징 추출 모듈로부터 추출된 특징을 적어도 하나 이상으로 조합하여 학습 정보를 생성하는 특징 조합부를 포함하고,상기 CNN 학습부에서 학습한 학습 정보를 저장하고, 저장된 학습 정보를 상기 CNN 실행부로 전달하는 학습 정보 저장부를 더 포함하고,상기 학습정보는, 패턴 영상의 가중치 정보이고,상기 제1 및 상기 제2 패턴화 모듈 각각은, 상기 영상 입력부로부터 수신된 영상을 다수개의 패턴 영상으로 분류하는 패턴 분류부; 및 상기 패턴 분류부로부터 적어도 하나 이상의 패턴 영상을 수신 받고 조합하여 조합 영상을 생성하는 패턴 조합부를 포함하는 것을 특징으로 하는 컨볼루션 신경망 기반의 영상 패턴화를 이용한 딥러닝 시스템
|
| 2 |
2
청구항 1에 있어서,상기 영상 입력부는,카메라와 연결되어 직접적인 입력 영상을 수신하거나,무선 네트워크 또는 인터넷 네트워크로부터 수신 받아 입력 가능한 장치인 것을 특징으로 하는 컨볼루션 신경망 기반의 영상 패턴화를 이용한 딥러닝 시스템
|
| 3 |
3
삭제
|
| 4 |
4
청구항 1에 있어서,상기 제1 및 상기 제2 패턴화 모듈 각각은,상기 영상 입력부로부터 수신된 영상에서 각 환경 조건에 영향을 최소화하도록 대응되는 다수개의 패턴 영상으로 분류하는 것을 특징으로 하는 컨볼루션 신경망 기반의 영상 패턴화를 이용한 딥러닝 시스템
|
| 5 |
5
청구항 1에 있어서,패턴 영상은,국소 이진 패턴 영상(Local Binary Pattern), 국소 삼진화 패턴 영상(Local Ternary Pattern), 로컬 미분 패턴(Local Derivative Pattern) 영상 및 로컬 테트라 패턴(Local Tetra Pattern) 영상 중 적어도 하나를 포함하는 것을 특징으로 하는 컨볼루션 신경망 기반의 영상 패턴화를 이용한 딥러닝 시스템
|
| 6 |
6
삭제
|
| 7 |
7
청구항 1에 있어서,상기 패턴화 모듈은,상기 영상 입력부로부터 받은 입력 영상을 패턴화된 다수의 패턴 영상으로 생성하고, 생성된 패턴 영상을 상기 CNN 실행부로 전달하는 것을 특징으로 하는 컨볼루션 신경망 기반의 영상 패턴화를 이용한 딥러닝 시스템
|
| 8 |
8
삭제
|
| 9 |
9
삭제
|
| 10 |
10
삭제
|
| 11 |
11
청구항 1에 있어서,상기 컨볼루션 신경망은 다수의 입력층과 하나의 출력층으로 구성된 단일신 신경망 구조인 것을 특징으로 하는 컨볼루션 신경망 기반의 영상 패턴화를 이용한 딥러닝 시스템
|
| 12 |
12
청구항 1에 있어서,상기 컨볼루션 신경망은 다수의 입력층과 다수의 출력층으로 구성된 다중 신경망 구조인 것을 특징으로 하는 컨볼루션 신경망 기반의 영상 패턴화를 이용한 딥러닝 시스템
|
| 13 |
13
청구항 1의 딥러닝 시스템을 이용하는 것으로,(a) 상기 영상 입력부가 입력 영상을 입력하는 단계;(b) 상기 제1 패턴화 모듈이 상기 영상 입력부로부터 받은 입력 영상을 패턴화된 다수의 패턴 영상으로 생성하는 단계;(c) 상기 CNN 학습부가 상기 영상 입력부로부터 받은 입력 영상과 상기 제1 패턴화 모듈로부터 수신 받은 패턴 영상을 컨볼루션 신경망(CNN:Convolution Neural Network)을 기반으로 하여 학습시키는 단계;(d) 상기 CNN 실행부가 상기 CNN 학습부로부터 학습정보와 상기 영상 입력부로부터 받은 입력 영상 및 상기 제2 패턴화 모듈로부터 패턴 영상을 전달받아, 입력 영상과 패턴 영상에 학습정보의 가중치를 곱하여 영상 정보를 출력하는 단계; 및(e) 최종 분류부가 상기 CNN 실행부로부터 영상 정보를 받아 영상 정보의 객체를 종류별로 분류하는 단계를 포함하는 것을 특징으로 하는 컨볼루션 신경망 기반의 영상 패턴화를 이용한 영상 학습방법으로서,상기 (c) 단계는,상기 특징 추출 모듈이 상기 제1 패턴화 모듈 및 상기 영상 입력부로부터 받은 영상의 각 특징을 추출하는 단계; 및상기 특징 조합부가 추출된 특징을 적어도 하나 이상으로 조합하여 학습 정보를 생성하는 단계를 포함하고,상기 학습정보는, 패턴 영상의 가중치 정보이며,상기 (d) 단계는,상기 영상 입력부로부터 입력 영상, 입력 영상이 상기 제2 패턴화 모듈을 통해 패턴 영상의 데이터 및 상기 CNN 학습부로부터 생성된 학습정보를 전달받는 단계인 것을 특징으로 하는 컨볼루션 신경망 기반의 영상 패턴화를 이용한 영상 학습방법
|
| 14 |
14
삭제
|
| 15 |
15
청구항 13에 있어서,상기 패턴화 모듈은,상기 영상 입력부로부터 수신된 영상에서 각 환경 조건에 영향을 최소화하도록 대응되는 다수개의 패턴 영상으로 분류하는 것을 특징으로 하는 컨볼루션 신경망 기반의 영상 패턴화를 이용한 영상 학습방법
|
| 16 |
16
청구항 13에 있어서,패턴 영상은,국소 이진 패턴 영상(Local Binary Pattern), 국소 삼진화 패턴 영상(Local Ternary Pattern), 로컬 미분 패턴(Local Derivative Pattern) 영상 및 로컬 테트라 패턴(Local Tetra Pattern) 영상 중 적어도 하나를 포함하는 것을 특징으로 하는 컨볼루션 신경망 기반의 영상 패턴화를 이용한 영상 학습방법
|
| 17 |
17
삭제
|
| 18 |
18
하드웨어와 결합되어 청구항 13의 컨볼루션 신경망 기반의 영상 패턴화를 이용한 영상 학습방법을 실행시키기 위하여 매체에 저장된 컴퓨터프로그램
|
