| 1 |
1
이미지에 포함된 얼굴 구성요소를 나타내는 복수의 히트맵들-상기 복수의 히트맵들은 상기 이미지에 대해 서로 다른 합성곱 및 풀링 방식들을 적용함으로써 생성된 것들임-각각으로부터 서로 다른 복수의 얼굴 후보 영역들을 추출하는 단계; 및상기 서로 다른 복수의 얼굴 후보 영역들에 기초하여 상기 이미지에 포함된 얼굴 영역을 검출(Detection)하는 단계를 포함하고, 상기 서로 다른 복수의 얼굴 후보 영역들을 추출하는 단계는,합성곱을 수행하는 적어도 하나의 제1 합성곱 계층 및 풀링을 수행하는 적어도 하나의 제1 풀링 계층을 포함하는 제1 계층을 통하여 상기 이미지를 피처맵들로 변환하는 단계; 및상기 서로 다른 복수의 얼굴 후보 영역들을 추출하기 위하여 적어도 하나의 제2 합성곱 계층과 적어도 하나의 제2 풀링 계층을 포함하는 복수의 제2 계층들 각각을 통하여 상기 피처맵들을 히트맵들로 변환하는 단계를 포함하고, 상기 복수의 제2 계층들은 상기 피처맵들을 상기 히트맵들로 변환하기 위하여 공통적으로 상기 피처맵들을 사용하며,상기 피처맵들을 히트맵들로 변환하는 단계는,피처맵들을 히트맵들로 변환하기 위하여 상기 복수의 제2 계층들 각각이 합성곱과 풀링 연산을 연속적으로 수행하는 단계를 포함하고,상기 복수의 제2 계층들 중 어느 하나가 포함하고 있는 계층과, 다른 하나의 제2 계층에 포함되며 상기 계층의 연산 순서에 대응되는 계층은 서로 다른 크기의 스트라이드(stride)를 갖도록 함으로써 상기 복수의 제2 계층들이 서로 다른 크기의 얼굴에 대하여 최적화된 히트맵을 생성하도록 하는 것을 특징으로 하는 얼굴 검출 방법
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
제1항에 있어서,상기 얼굴 영역을 검출(Detection)하는 단계는,상기 얼굴 후보 영역에 얼굴 영역이 있는지 여부를 판단함으로써 얼굴 유무에 대하여 분류(Classification)하는 단계; 및상기 분류와 상기 얼굴 후보 영역들을 기반으로 하여 정밀한 얼굴 후보 영역으로 회귀(Regression)하는 단계를 포함하는 것을 특징으로 하는 얼굴 검출 방법
|
| 5 |
5
제4항에 있어서,상기 분류(Classification)하는 단계는,얼굴 영역이 포함되어 있으면 확률 1을 제시하고, 얼굴 영역이 포함되어 있지 않으면 확률 0을 제시하는 단계를 포함하는 것을 특징으로 하는 얼굴 검출 방법
|
| 6 |
6
제4항에 있어서,상기 정밀한 얼굴 후보 영역으로 회귀(Regression)하는 단계는,상기 분류(Classification)하는 단계에서 얼굴 영역이 있다고 분류하면 얼굴 영역의 위치 정보를 제시하고, 얼굴 영역이 없다고 분류하면 얼굴 영역의 위치 정보를 무시하라는 라벨(label)을 부여하는 단계를 포함하는 것을 특징으로 하는 얼굴 검출 방법
|
| 7 |
7
제1항에 있어서,상기 얼굴 영역을 검출(Detection)하는 단계는,상기 얼굴 후보 영역들이 적어도 하나의 합성곱 계층, 적어도 하나의 풀링 계층 및 적어도 하나의 완전 연결 계층(Fully-Connected layer; FCL)을 거쳐서 얼굴 영역을 검출하는 것을 특징으로 하는 얼굴 검출 방법
|
| 8 |
8
제1항에 있어서,상기 얼굴 후보 영역들을 추출하는 단계는,물체 영역과 물체가 아닌 영역을 구분하는 신경망 모델을 기반으로 하여 얼굴 영역과 얼굴이 아닌 영역을 구분하기 위한 학습을 하는 단계; 및하나 이상의 얼굴 특징점(facial landmark)을 포함하는 이미지 데이터 베이스를 사용하여 얼굴 후보 영역 추출을 학습하는 단계를 통해 학습되는 것을 특징으로 하는 얼굴 검출 방법
|
| 9 |
9
제1항에 있어서,상기 얼굴 영역을 검출(Detection)하는 단계는,네거티브 예제 마이닝(Hard Sample Mining) 기술을 통해 상기 얼굴 후보 영역들을 데이터 베이스로 사용하여 학습되는 것을 특징으로 하는 얼굴 검출 방법
|
| 10 |
10
이미지에 포함된 얼굴 구성요소를 나타내는 복수의 히트맵들-상기 복수의 히트맵들은 상기 이미지에 대해 서로 다른 합성곱 및 풀링 방식들을 적용함으로써 생성된 것들임-각각으로부터 서로 다른 복수의 얼굴 후보 영역들을 추출하여 검출부로 프로포즈(propose)하는 제안부; 및상기 서로 다른 복수의 얼굴 후보 영역들에 기초하여 상기 이미지에 포함된 얼굴 영역을 검출(Detection)하는 검출부를 포함하고,상기 제안부는,합성곱을 수행하는 적어도 하나의 제1 합성곱 계층 및 풀링을 수행하는 적어도 하나의 제1 풀링 계층을 통하여 상기 이미지를 피처맵들로 변환하는 제1 계층부; 및상기 서로 다른 복수의 얼굴 후보 영역들을 추출하기 위하여 적어도 하나의 제2 합성곱 계층과 적어도 하나의 제2 풀링 계층을 통하여 상기 피처맵들을 히트맵들로 변환하는 복수의 제2 계층부를 포함하고, 상기 복수의 제2 계층부들은 상기 피처맵들을 상기 히트맵들로 변환하기 위하여 공통적으로 상기 피처맵들을 사용하며, 상기 제안부는,피처맵들을 히트맵들로 변환하기 위하여 상기 복수의 제2 계층부들 각각이 합성곱과 풀링 연산을 연속적으로 수행하고,상기 복수의 제2 계층부들 중 어느 하나가 포함하고 있는 계층과, 다른 하나의 제2 계층부에 포함되며 상기 계층의 연산 순서에 대응되는 계층은 서로 다른 크기의 스트라이드(stride)를 갖는 것을 특징으로 하는 기계 학습 기반 얼굴 검출 시스템
|
| 11 |
11
삭제
|
| 12 |
12
삭제
|
| 13 |
13
제10항에 있어서,상기 검출부는,상기 얼굴 후보 영역에 얼굴이 있는지 여부를 판단함으로써 얼굴 유무에 대하여 분류(Classification)를 수행하는 분류부; 및 상기 분류와 상기 얼굴 후보 영역들을 기반으로 하여 정밀한 얼굴 후보 영역으로 회귀(Regression)하는 회귀부를 포함하는 것을 특징으로 하는 기계 학습 기반 얼굴 검출 시스템
|
| 14 |
14
제13항에 있어서,상기 분류부는,얼굴 영역이 포함되어 있으면 확률 1을 제시하고, 얼굴 영역이 포함되어 있지 않으면 확률 0을 제시하는 것을 특징으로 하는 기계 학습 기반 얼굴 검출 시스템
|
| 15 |
15
제13항에 있어서,상기 회귀부는,상기 분류부가 얼굴 영역이 있다고 분류하면 얼굴 영역의 위치 정보를 제시하고, 얼굴 영역이 없다고 분류하면 얼굴 영역의 위치 정보를 무시하라는 라벨(label)을 부여하는 것을 특징으로 하는 기계 학습 기반 얼굴 검출 시스템
|
| 16 |
16
제10항에 있어서,상기 검출부는,얼굴 영역을 검출하기 위하여 상기 얼굴 후보 영역들이 적어도 하나의 합성곱 계층, 적어도 하나의 풀링 계층 및 적어도 하나의 완전 연결 계층(Fully-Connected layer; FCL)을 포함하는 것을 특징으로 하는 기계 학습 기반 얼굴 검출 시스템
|
