| 1 |
1
기계 학습 장치에 의해 수행되는, 바운딩 박스의 형성을 학습하는 기계 학습 방법에 있어서,학습용 데이터 베이스에 포함된 복수의 학습 이미지들 가운데, 대상 객체가 포함된 학습 이미지들을 추출하는 단계;상기 대상 객체가 포함된 학습 이미지들로부터, 상기 대상 객체가 회전된 추가 학습 이미지들을 생성하는 단계; 및상기 추가 학습 이미지들을 이용하여, 상기 학습용 데이터 베이스를 업데이트 하는 단계;를 포함하는 기계 학습 방법
|
| 2 |
2
청구항 1에 있어서,상기 대상 객체가 포함된 학습 이미지들에서 상기 대상 객체의 바운딩 박스들이 가지는 종횡비 값들의 분포 정보를 획득하는 단계를 더 포함하는 기계 학습 방법
|
| 3 |
3
청구항 2에 있어서, 상기 추가 학습 이미지들을 생성하는 단계는, 상기 바운딩 박스들이 가지는 종횡비 값들의 분포 정보에 기초하여, 상기 추가 이미지들 각각에 포함된 상기 대상 객체의 회전 각도를 결정하는 기계 학습 방법
|
| 4 |
4
청구항 3에 있어서, 상기 추가 학습 이미지들을 생성하는 단계는, 상기 추가 학습 이미지들에 포함된 상기 대상 객체의 바운딩 박스들이 가지는 종횡비 값들의 분포가 상기 분포 정보를 따르도록 상기 추가 학습 이미지들을 생성하는 기계 학습 방법
|
| 5 |
5
청구항 1에 있어서, 상기 학습용 데이터 베이스를 업데이트 하는 단계는,상기 추가 학습 이미지들 각각에 포함된 상기 대상 객체의 바운딩 박스를 재형성하고, 상기 재형성된 바운딩 박스 정보를 상기 추가 학습 이미지에 라벨링 하여 상기 학습용 데이터 베이스에 추가하는 기계 학습 방법
|
| 6 |
6
청구항 1에 있어서,업데이트 된 학습용 데이터 베이스를 이용하여, 바운딩 박스 형성 모델을 생성하는 단계를 더 포함하는 기계 학습 방법
|
| 7 |
7
기계 학습 장치가, 이미지에서 바운딩 박스를 형성하기 위한 기계 학습 방법에 있어서,학습용 데이터 베이스에 포함된 복수의 학습 이미지들 가운데, 대상 객체가 포함된 학습 이미지들을 추출하는 단계;상기 대상 객체의 이미지 타입을 결정하는 단계;상기 대상 객체의 이미지 타입에 기초하여, 상기 대상 객체가 포함된 이미지들에 대한 학습 파라미터를 결정하는 단계; 및상기 학습용 데이터 베이스 및 상기 학습 파라미터에 기초하여, 바운딩 박스 형성 모델을 생성하는 단계를 포함하는 기계 학습 방법
|
| 8 |
8
청구항 7에 있어서,상기 대상 객체의 이미지 타입을 결정하는 단계는, 상기 대상 객체가 포함된 이미지들에서 상기 대상 객체의 바운딩 박스들의 규격 정보를 획득하고, 상기 바운딩 박스들의 규격 정보에 기초하여 상기 대상 객체의 이미지 타입을 결정하는 기계 학습 방법
|
| 9 |
9
청구항 8에 있어서,상기 대상 객체의 이미지 타입을 결정하는 단계는, 상기 대상 객체의 바운딩 박스들의 종횡비 값들에 기초하여, 상기 대상 객체의 이미지 타입을 가로형, 세로형 및 보통형 중 어느 하나로 결정하는 기계 학습 방법
|
| 10 |
10
청구항 9에 있어서,상기 대상 객체의 이미지 타입을 결정하는 단계는, 수학식 1 및 수학식 2가 모두 만족되는 경우, 상기 대상 객체의 상기 이미지 타입을 상기 가로형으로 결정하고, 상기 수학식 1 및 상기 수학식 2가 모두 만족되지 않는 경우, 상기 대상 객체의 상기 이미지 타입을 상기 세로형으로 결정하고,상기 수학식 1 및 상기 수학식 2중 어느 하나만 만족되는 경우, 상기 대상 객체의 상기 이미지 타입을 상기 보통형으로 결정하는 기계 학습 방법
|
| 11 |
11
바운딩 박스의 형성을 학습하는 기계 학습 장치에 있어서,프로세서(processor); 및학습용 데이터 베이스 및 상기 프로세서를 통해 실행되는 적어도 하나의 명령이 저장된 메모리(memory);를 포함하고,상기 적어도 하나의 명령은,상기 학습용 데이터 베이스에 포함된 복수의 학습 이미지들 가운데, 대상 객체가 포함된 학습 이미지들을 추출하고, 상기 대상 객체가 포함된 학습 이미지들로부터, 상기 대상 객체가 회전된 추가 학습 이미지들을 생성하고, 상기 추가 학습 이미지들을 이용하여, 상기 학습용 데이터 베이스를 업데이트 하도록 수행되는 기계 학습 장치
|
| 12 |
12
청구항 11에 있어서,상기 적어도 하나의 명령은,상기 대상 객체가 포함된 학습 이미지들에서 상기 대상 객체의 바운딩 박스들이 가지는 종횡비 값들의 분포 정보를 획득하도록 수행되는 기계 학습 장치
|
| 13 |
13
청구항 12에 있어서, 상기 적어도 하나의 명령은, 상기 바운딩 박스들이 가지는 종횡비 값들의 분포 정보에 기초하여, 상기 추가 이미지들 각각에 포함된 상기 대상 객체의 회전 각도를 결정하도록 수행되는 기계 학습 장치
|
| 14 |
14
청구항 13에 있어서, 상기 적어도 하나의 명령은, 상기 추가 학습 이미지들에 포함된 상기 대상 객체의 바운딩 박스들이 가지는 종횡비 값들의 분포가 상기 분포 정보를 따르도록 상기 추가 학습 이미지들을 생성하게 수행되는 기계 학습 장치
|
| 15 |
15
청구항 11에 있어서, 상기 적어도 하나의 명령은, 상기 추가 학습 이미지들 각각에 포함된 상기 대상 객체의 바운딩 박스를 재형성하고, 상기 재형성된 바운딩 박스 정보를 상기 추가 학습 이미지에 라벨링 하여 상기 학습용 데이터 베이스에 추가하도록 수행되는 기계 학습 장치
|
| 16 |
16
청구항 11에 있어서,상기 적어도 하나의 명령은,업데이트 된 학습용 데이터 베이스를 이용하여, 바운딩 박스 형성 모델을 생성하도록 수행되는 기계 학습 장치
|
| 17 |
17
청구항 11에 있어서,상기 적어도 하나의 명령은, 상기 대상 객체의 이미지 타입을 결정하고, 상기 대상 객체의 이미지 타입에 기초하여, 상기 대상 객체가 포함된 이미지들에 대한 학습 파라미터를 결정하고, 상기 학습용 데이터 베이스 및 상기 학습 파라미터에 기초하여, 바운딩 박스 형성 모델을 생성하도록 수행되는 기계 학습 장치
|
| 18 |
18
청구항 17에 있어서,상기 적어도 하나의 명령은, 상기 대상 객체가 포함된 이미지들에서 상기 대상 객체의 바운딩 박스들의 규격 정보를 획득하고, 상기 바운딩 박스들의 규격 정보에 기초하여 상기 대상 객체의 이미지 타입을 결정하도록 수행되는 기계 학습 장치
|
| 19 |
19
청구항 18에 있어서,상기 적어도 하나의 명령은, 상기 대상 객체의 바운딩 박스들의 종횡비 값들에 기초하여, 상기 대상 객체의 이미지 타입을 가로형, 세로형 및 보통형 중 어느 하나로 결정하도록 수행되는 기계 학습 장치
|
| 20 |
20
청구항 19에 있어서,상기 적어도 하나의 명령은, 수학식 1 및 수학식 2가 모두 만족되는 경우, 상기 대상 객체의 상기 이미지 타입을 상기 가로형으로 결정하고, 상기 수학식 1 및 상기 수학식 2가 모두 만족되지 않는 경우, 상기 대상 객체의 상기 이미지 타입을 상기 세로형으로 결정하고,상기 수학식 1 및 상기 수학식 2중 어느 하나만 만족되는 경우, 상기 대상 객체의 상기 이미지 타입을 상기 보통형으로 결정하도록 수행되는 기계 학습 장치
|
