| 1 |
1
컨볼루션 신경망(CNN; Convolution Neural Network) 트레이닝을 수행하여 외부로부터 수신된 이미지로부터 객체를 식별하도록 구성되는 객체 추출부;상기 식별된 객체를 기반으로 상기 이미지 내에서 상기 식별된 객체가 포함된 영역의 양자화 파라미터를 조절하도록 구성되는 파라미터 조절부; 및상기 조절된 양자화 파라미터를 기반으로 상기 이미지를 압축하도록 구성되는 이미지 압축부를 포함하는 이미지 압축 장치
|
| 2 |
2
제 1 항에 있어서,상기 객체 추출부는 상기 수신된 이미지에서 수정-영역들(modified-regions)을 설정하고, 상기 설정된 수정-영역들 중 일부 수정-영역에 대하여 상기 CNN 트레이닝을 수행함으로써 상기 일부 수정-영역에 포함된 객체의 종류를 식별하도록 구성되는 이미지 압축 장치
|
| 3 |
3
제 2 항에 있어서,상기 객체 추출부는 상기 설정된 수정-영역들 각각의 픽셀 변화 량을 기반으로 상기 설정된 수정-영역들 각각을 배경 영역 및 객체 영역 중 하나로 분류하도록 구성되는 이미지 압축 장치
|
| 4 |
4
제 3 항에 있어서,상기 객체 추출부는 상기 설정된 수정-영역들 각각에서, 상기 픽셀 변화 량이 기준 값보다 작은 경우, 상기 수정-영역을 상기 배경 영역으로 분류하고, 상기 픽셀 변화 량이 기준 값 이상인 경우, 상기 수정-영역을 상기 객체 영역으로 분류하도록 구성되는 이미지 압축 장치
|
| 5 |
5
제 3 항에 있어서,상기 객체 추출부는 상기 객체 영역으로 분류된 수정-영역을 변환-영역으로 변환하고, 상기 변환-영역을 입력으로 사용하여 상기 CNN 트레이닝을 수행함으로써, 상기 객체 영역에 포함된 상기 객체의 종류를 식별하도록 구성되는 이미지 압축 장치
|
| 6 |
6
제 3 항에 있어서,상기 파라미터 조절부는 상기 배경 영역에 대한 양자화 파라미터를 제1 값으로 설정하고, 상기 객체 영역에 대한 양자화 파라미터를 상기 제1 값보다 작은 제2 값으로 설정하도록 구성되는 이미지 압축 장치
|
| 7 |
7
제 3 항에 있어서,상기 파라미터 조절부는 상기 배경 영역에 대한 상기 양자화 파라미터를 제1 값으로 설정하고, 상기 객체 영역에 포함된 상기 객체의 종류가 텍스트인 경우, 상기 객체 영역에 대한 상기 양자화 파라미터를 상기 제1 값보다 작은 제2 값으로 설정하고, 상기 객체 영역에 포함된 상기 객체의 종류가 텍스트가 아닌 경우, 상기 객체 영역에 대한 상기 양자화 파라미터를 상기 제2 값보다 작은 제3 값으로 설정하도록 구성되는 이미지 압축 장치
|
