1 |
1
콘볼루션 신경망(convolutional neural network) 기반으로 영상으로부터 특징을 추출하는 특징 추출부; 및다층 퍼셉트론(Multilayer Perceptron)과 로지스틱 회귀(Logistic Regression) 알고리즘을 이용하여 상기 추출된 특징을 분류하는 분류부;를 포함하며, 상기 특징 추출부는, 입력 데이터에 강도를 콘볼루션하고 맥스풀링을 수행하여 제1 특징을 추출하는 제1 콘볼루션 층;상기 제1 콘볼루션 층에서 추출된 제1 특징에 강도를 콘볼루션하고 맥스풀링을 수행하여 제2 특징을 추출하는 제2 콘볼루션 층을 포함하는 것을 특징으로 하는 항공 영상 분류 장치
|
2 |
2
제1항에 있어서,상기 특징 추출부는,입력 데이터에 강도(weight)를 콘볼루션하고, 맥스풀링을 수행하여 특징을 추출하는 것을 특징으로 하는 항공 영상 분류 장치
|
3 |
3
삭제
|
4 |
4
제1항에 있어서, 상기 특징 추출부는 하이퍼 탄젠트 함수를 이용하여 특징을 추출하는 것을 특징으로 하는 항공 영상 분류 장치
|
5 |
5
제1항에 있어서, 상기 분류부는, 제1 및 제2 콘볼루션층과 다층 퍼셉트론층을 포함하는 입력 데이터와 강도 및 바이어스를 하이퍼탄젠트 함수에 적용하여 출력값을 산출하고, 상기 산출된 출력값을 입력으로 하는 로지스틱 회귀를 이용하여 클래스를 예측하여 분류하는 것을 특징으로 하는 것을 특징으로 하는 항공 영상 분류 장치
|
6 |
6
제1항에 있어서, 상기 분류부는 최대 가능도 방법을 이용하여 로지스틱 회귀 분석 결과의 적합 여부를 검증하는 것을 특징으로 하는 항공 영상 분류 장치
|
7 |
7
제1항에 있어서, 경사 하강법을 이용하여 전체 층들의 가중치와 바이어스를 업데이트하는 학습부를 더 포함하는 것을 특징으로 하는 항공 영상 분류 장치
|
8 |
8
항공 영상 분류 장치가 항공 영상의 클래스를 분류하는 방법에 있어서,(a) 콘볼루션 신경망 기반으로 영상으로부터 특징을 추출하는 단계;(b) 다층 퍼셉트론과 로지스틱 회귀 알고리즘을 이용하여 상기 추출된 특징을 분류하는 단계;를 포함하며, 상기 (a) 단계는, 입력 데이터에 강도를 콘볼루션하고 맥스풀링을 수행하여 제1 특징을 추출하는 단계; 및상기 추출된 제1 특징에 강도를 콘볼루션하고 맥스풀링을 수행하여 제2 특징을 추출하는 단계를 포함하는 것을 특징으로 하는 항공 영상 분류 방법
|
9 |
9
삭제
|
10 |
10
제8항에 있어서, 상기 (b) 단계는, 제1 및 제2 콘볼루션층과 다층 퍼셉트론층을 포함하는 입력 데이터와 강도 및 바이어스를 하이퍼탄젠트 함수에 적용하여 출력값을 산출하고, 상기 산출된 출력값을 입력으로 하는 로지스틱 회귀를 이용하여 클래스를 예측하여 분류하는 것을 특징으로 하는 항공 영상 분류 방법
|
11 |
11
제8항에 있어서, 상기 (b) 단계 이후,최대 가능도 방법을 이용하여 로지스틱 회귀 분석 결과의 적합 여부를 검증하는 단계를 더 포함하는 것을 특징으로 하는 항공 영상 분류 방법
|
12 |
12
제8항에 있어서, 상기 (b) 단계 이후, 경사 하강법을 이용하여 전체 층들의 가중치와 바이어스를 업데이트하는 단계를 더 포함하는 항공 영상 분류 방법
|