1 |
1
서버에서 심층 심경망(Deep Netral Network; DNN)을 이용하여 객체를 학습하고 인식하는 방법에 있어서,크롤링 프로세스에 의해 수집된 다수의 이미지를 수신하는 단계;상기 수집된 이미지에 근거하여 DNN 모델을 학습하는 단계;학습된 DNN 모델로부터 DNN 모델 프로파일을 생성하는 단계;온-보드(On-board) 컴퓨터로 상기 생성된 DNN 모델 프로파일을 전송하는 단계를 포함하는, DNN 기반 객체 학습 및 인식 방법
|
2 |
2
제1항에 있어서,상기 온-보드 컴퓨터에서 상기 서버로부터 상기 DNN 모델 프로파일을 로딩하는 단계;상기 DNN 모델 프로파일로부터 DNN 모델을 구축하는 단계; 및입력 이미지에 상기 DNN 모델을 적용하는 것에 의하여 상기 입력 이미지에 포함된 객체를 인식하는 단계를 더 포함하는, DNN 기반 객체 학습 및 인식 방법
|
3 |
3
제1항에 있어서,상기 다수의 이미지를 수집하는 단계는,이미지를 분류하기 위한 온톨로지를 구축하는 단계;상기 구축된 온톨로지에 따라 각 인스턴스에 대한 다수의 이미지를 수집하는 단계; 및상기 수집된 이미지를 저장하는 단계를 포함하는, DNN 기반 객체 학습 및 인식 방법
|
4 |
4
제3항에 있어서,상기 온톨로지는 각 인스턴스를 상위 인스턴스로 하여 상기 상위 인스턴스에 대한 복수의 하위 인스턴스를 더 포함하며, 상기 각 인스턴스에 대한 다수의 이미지를 수집하는 단계는 상기 다수의 하위 인스턴스에 대한 다수의 이미지를 수집하는 단계를 포함하며, 상기 수집된 이미지를 저장하는 단계는 상기 하위 인스턴스에 대한 다수의 이미지를 상기 상위 인스턴스에 저장하는 단계를 포함하는, DNN 기반 객체 학습 및 인식 방법
|
5 |
5
제1항에 있어서,상기 DNN 모델을 학습하는 단계는 상기 이미지에 포함된 객체의 인식률이 소정 오차율 범위 내가 될 때까지 이미지를 반복 학습하는 것을 특징으로 하는, DNN 기반 객체 학습 및 인식 방법
|
6 |
6
제1항에 있어서,상기 DNN 모델을 학습하는 단계는 상기 이미지에 대한 학습 횟수가 소정 횟수가 될 때까지 이미지를 반복 학습하는 것을 특징으로 하는, DNN 기반 객체 학습 및 인식 방법
|
7 |
7
제1항에 있어서, 상기 DNN 모델은 컨볼루션 신경 네트워크 모델인 것을 특징으로 하는, DNN 기반 객체 학습 및 인식 방법
|
8 |
8
제1항에 있어서,상기 DNN 모델 프로파일은 상기 DNN 모델에 있어서의 모멘텀, 학습률, 가중치 및 배치 사이즈를 포함하는 것을 특징으로 하는, DNN 기반 객체 학습 및 인식 방법
|
9 |
9
컴퓨팅 장치에 의해 실행시, 상기 컴퓨팅 장치가 제1항 내지 제9항 중 어느 한 항에 따른 DNN 기반 객체 학습 및 인식 방법을 실행하게 하는 명령어들을 포함하는 컴퓨터 판독가능한 저장매체
|
10 |
10
심층 심경망(Deep Netral Network; DNN)을 이용하여 객체를 학습하고 인식하는 시스템에 있어서,네트워크를 통하여 다수의 이미지를 수집하는 크롤링 서버;상기 크롤링 서버에 의하여 수집된 이미지를 학습하여 DNN 모델을 생성하고 생성된 DNN 모델로부터 DNN 모델 프로파일을 추출하는 DNN 학습 서버; 및상기 DNN 학습 서버로부터의 상기 DNN 모델 프로파일을 이용하여 입력 이미지에 포함됨 객체를 인식하는 온-보드(On-Board) 컴퓨터를 포함하는, DNN 기반 객체 학습 및 인식 시스템
|
11 |
11
제10항에 있어서,상기 온-보드 컴퓨터는 상기 DNN 프로파일로부터 상기 DNN 모델을 구축하는 DNN 모델 구축 모듈을 포함하며, 상기 DNN 모델 구축 모듈은, 상기 DNN 학습 서버로부터 상기 DNN 모델 프로파일을 다운로딩하는 프로파일 다운로더;상기 프로파일 다운로더에서 다운로드 받은 DNN 프로파일을 해석하는 프로파일 해석기; 및상기 해석된 프로파일에 기초하여 DNN 모델을 생성하는 DNN 모델 생성기를 포함하는, DNN 기반 객체 학습 및 인식 시스템
|
12 |
12
제10항에 있어서,상기 크롤링 서버는, 이미지를 분류하기 위한 인스턴스들을 포함하는 온톨로지를 구축하는 온톨로지 구축 모듈;상기 온톨로지 구축 모듈에 의해 구축된 온톨로지에 따라 각 인스턴스에 대한 다수의 이미지를 수집하는 이미지 수집 모듈; 및상기 수집된 이미지를 저장하는 이미지 저장 모듈을 포함하는, DNN 기반 객체 학습 및 인식 시스템
|
13 |
13
제12항에 있어서,상기 온톨로지는 각 인스턴스를 상위 인스턴스로 하여 상위 인스턴스에 대한 다수의 하위 인스턴스를 더 포함하며, 상기 이미지 수집 모듈은 상기 다수의 하위 인스턴스에 대한 다수의 이미지를 수집하고, 상기 저장 모듈은 상기 하위 인스턴스에 대한 다수의 이미지를 상기 상위 인스턴스에 저장하는, DNN 기반 객체 학습 및 인식 시스템
|
14 |
14
제10항에 있어서,상기 DNN 학습 서버는 상기 이미지에 포함된 객체의 인식률이 소정 오차율 범위 내가 될 때까지 이미지를 반복 학습하는 것을 특징으로 하는, DNN 기반 객체 학습 및 인식 시스템
|
15 |
15
제10항에 있어서,상기 DNN 학습 서버는 상기 이미지에 대한 학습 횟수가 소정 횟수가 될 때까지 이미지를 반복 학습하는 것을 특징으로 하는, DNN 기반 객체 학습 및 인식 시스템
|
16 |
16
제10항에 있어서,상기 DNN 모델 프로파일은 상기 DNN 모델에 있어서의 모멘텀, 학습률, 가중치 및 배치 사이즈를 포함하는 것을 특징으로 하는, DNN 기반 객체 학습 및 인식 시스템
|