1 |
1
영상에서 객체를 판단하는 객체 판단 장치로서, 상기 영상에서 상기 객체의 전체에 해당하는 영역을 이용하여, 상기 객체의 종류, 그리고 상기 객체의 위치를 포함하는 전체 맥락 정보를 생성하는 객체 전체 검출부, 상기 영상에서 상기 객체의 일부분(part)에 해당하는 영역을 이용하여, 상기 객체의 종류, 그리고 상기 객체의 일부분 위치를 포함하는 부분 맥락 정보를 생성하는 객체 부분 검출부, 그리고상기 전체 맥락 정보 및 상기 부분 맥락 정보를 이용하여, 상기 객체를 판단하는 객체 판단부를 포함하는 객체 판단 장치
|
2 |
2
제1항에 있어서, 상기 객체 전체 검출부는, 상기 영상에서 상기 객체의 전체를 포함하는 경계 영역을 분리하는 객체 분리부, 그리고상기 경계 영역의 위치, 상기 경계 영역에 포함되는 상기 객체의 종류를 분류하는 객체 분류부를 포함하는 객체 판단 장치
|
3 |
3
제2항에 있어서, 상기 객체 분류부는 복수의 객체 분류부를 포함하며, 상기 복수의 객체 분류부는 각각 상기 경계 영역의 위치에 대한 정보, 상기 객체의 종류에 대한 정보를 생성하며, 상기 객체 전체 검출부는 상기 복수의 객체 분류부의 출력을 조합하는 객체 검출 융합부를 더 포함하는 객체 판단 장치
|
4 |
4
제1항에 있어서, 상기 객체 부분 검출부는, 상기 영상에서 상기 객체의 일부분을 포함하는 경계 영역을 분리하는 부분 분리부, 그리고상기 경계 영역의 위치, 상기 경계 영역에 포함되는 상기 객체의 일부분에 대한 종류를 분류하는 부분 분류부를 포함하는 객체 판단 장치
|
5 |
5
제4항에 있어서, 상기 부분 분류부는 복수의 부분 분류부를 포함하며, 상기 복수의 부분 분류부는 각각 상기 경계 영역의 위치에 대한 정보, 상기 객체의 일부분에 대한 종류에 대응하는 정보를 생성하며, 상기 객체 부분 검출부는 상기 복수의 부분 분류부의 출력을 조합하는 부분 검출 융합부를 더 포함하는 객체 판단 장치
|
6 |
6
제1항에 있어서, 상기 영상을 생성하는 영상 생성부를 더 포함하며, 상기 영상은 다차원 영상인 객체 판단 장치
|
7 |
7
제6항에 있어서, 상기 영상 생성부는, 입력되는 신호에서 가시광선에 해당하는 부분을 획득하는 가시광선 획득부, 상기 입력되는 신호에서 상기 가시 광선을 제외한 비가시광선에 해당하는 부분을 획득하는 비가시광선 획득부, 그리고상기 가시광선과 상기 비가시광선을 이용하여 상기 입력되는 신호에서 배경 신호를 제거하는 객체 및 배경 분리부를 포함하는 객체 판단 장치
|
8 |
8
제1항에 있어서, 상기 객체 판단부는 상기 객체의 위치 및 상기 객체의 부분 위치를 이용하여, 상기 전체 맥락 정보와 상기 부분 맥락 정보를 서로 그룹으로 묶는 객체 판단 장치
|
9 |
9
제1항에 있어서, 상기 전체 맥락 정보는 상기 객체 전체 검출부가 생성한 상기 객체의 종류에 대한 신뢰도 벡터를 더 포함하며, 상기 부분 맥락 정보는 상기 객체 부분 검출부가 생성한 상기 객체의 종류에 대한 신뢰도 벡터를 더 포함하는 객체 판단 장치
|
10 |
10
제1항에 있어서, 상기 객체 전체 검출부와 상기 객체 부분 검출부는 각각 기계 학습 방법을 통해 상기 객체의 종류를 분류하는 객체 판단 장치
|
11 |
11
제1항에 있어서, 상기 객체의 일부분은 상기 객체에서 고유의 정보를 지닌 부분인 객체 판단 장치
|
12 |
12
영상에서 객체를 판단하는 방법으로서, 상기 영상에서 상기 객체의 전체에 해당하는 제1 영역을 분리하는 단계, 상기 제1 영역을 이용하여, 상기 객체의 종류, 그리고 상기 객체의 위치를 포함하는 전체 맥락 정보를 생성하는 단계, 상기 영상에서 상기 객체의 일부분(part)에 해당하는 제2 영역을 분리하는 단계, 상기 제2 영역을 이용하여, 상기 객체의 종류, 그리고 상기 객체의 일부분 위치를 포함하는 부분 맥락 정보를 생성하는 단계, 그리고상기 전체 맥락 정보 및 상기 부분 맥락 정보를 이용하여, 상기 객체를 판단하는 단계를 포함하는 방법
|
13 |
13
제12항에 있어서, 상기 영상을 생성하는 단계를 더 포함하며, 상기 영상은 다차원 영상인 방법
|
14 |
14
제13항에 있어서, 상기 전체 맥락 정보를 생성하는 단계는, 복수의 객체 분류부를 통해, 각각 상기 객체의 종류에 대한 정보, 상기 제1 영역의 위치에 대한 정보를 생성하는 단계, 그리고상기 각각의 객체 종류에 대한 정보 및 상기 각각의 제1 영역의 위치에 대한 정보를 조합하여 상기 전체 맥락 정보를 생성하는 단계를 포함하는 방법
|
15 |
15
제12항에 있어서, 상기 전체 맥락 정보는 상기 전체 맥락 정보를 생성하는 단계에서 생성된 상기 객체의 종류에 대한 신뢰도 벡터를 더 포함하며, 상기 부분 맥락 정보는 상기 부분 맥락 정보를 생성하는 단계에서 생성된 상기 객체의 종류에 대한 신뢰로 벡터를 더 포함하는 방법
|
16 |
16
제12항에 있어서, 상기 객체의 위치 및 상기 객체의 부분 위치를 이용하여, 상기 전체 맥락 정보와 상기 부분 맥락 정보를 서로 그룹으로 묶는 단계를 더 포함하는 방 법
|
17 |
17
영상에서 객체를 판단하는 방법으로서, 상기 영상에서 상기 객체의 전체에 해당하는 제1 경계 영역을 분리하는 단계, 상기 제1 경계 영역에 포함된 객체의 종류인 제1 종류를 분류하고 상기 제1 경계 영역의 위치를 검출하는 단계, 상기 영상에서 상기 객체의 일부분에 해당하는 제2 경계 영역을 분리하는 단계, 상기 제2 경계 영역에 포함된 객체의 종류인 제2 종류를 분류하고 상기 제2 경계 영역의 위치를 검출하는 단계, 그리고상기 제1 종류, 상기 제1 경계 영역의 위치, 상기 제2 종류, 상기 제2 경계 영역의 위치를 이용하여, 상기 객체를 판단하는 단계를 포함하는 방법
|
18 |
18
제17항에 있어서, 상기 객체의 일부분은 상기 객체에서 고유의 정보를 지닌 부분인 방법
|
19 |
19
제17항에 있어서, 상기 제2 종류를 분류하고 상기 제2 경계 영역의 위치를 검출하는 단계는, 복수의 부분 분류부를 통해, 각각 상기 제2 종류에 대한 정보, 상기 제2 경계 영역의 위치에 대한 정보를 생성하는 단계, 그리고상기 각각의 제2 종류에 대한 정보 및 상기 각각의 제2 경계 영역의 위치에 대한 정보를 조합하는 단계를 포함하는 방법
|