| 1 |
1
뇌의 신피질 기능을 모사한 합성곱 신경망 기반의 영상 처리 장치에 있어서,영상 처리 프로그램이 저장된 메모리,데이터 입출력을 수행하는 데이터 입출력 모듈 및프로세서를 포함하되,상기 영상 처리 프로그램은 상기 프로세서에 의하여 구동되어, 상기 데이터 입출력 모듈을 통해 입력된 영상 데이터에 입력 합성곱 레이어를 통해 제 1 합성곱(Convolution) 연산을 수행하여 학습 하는 과정, 상기 합성곱 연산 처리가 수행된 영상 데이터에 대하여 에버리지 풀링 레이어와 맥스 풀링 레이어를 통해 에버리지 풀링과 맥스 풀링을 병렬적으로 함께 수행하는 과정, 상기 에버리지 풀링 레이어와 맥스 풀링 레이어를 통해 상기 산출된 각 풀링 결과를 연결 레이어를 통해 연결(Concatenatin)하는 연산을 수행하는 과정, 상기 연결 연산을 수행한 결과물에 대하여 제 2 합성곱 연산을 추가로 수행하여 학습 하는 과정, 상기 제 2 합성곱 연산의 결과를 출력 레이어로 출력하는 과정 및 상기 제 2 합성곱 연산의 결과에 대하여 완전 연결 히든 레이어를 통해 완전 연결 연산 처리를 수행하고 이를 상기 입력 합성곱 레이어로 전달하여 입력 영상 데이터와 함께 입력시키는 과정을 수행하는 것인 영상 처리 장치
|
| 2 |
2
제 1 항에 있어서,상기 에버리지 풀링 레이어 및 맥스 풀링 레이어의 수행 동작과 상기 연결 레이어의 수행 동작은 양안으로 입력되는 정보를 압축 전달하는 외측슬상체(Lateral Geniculate Nucleus, LGN)를 모사한 것이고,상기 연결 연산을 수행한 결과물에 대하여 제 2 합성곱 연산을 추가로 수행하여 학습 하는 과정은 시각피질(V1, V2, V3, V4)을 모사한 것이고,상기 완전 연결 히든 레이어의 수행 동작은 하부측부(Inferior Temporal)를 모사한 것인 영상 처리 장치
|
| 3 |
3
제 1 항에 있어서,상기 입력 합성곱 레이어를 통해 제 1 합성곱(Convolution) 연산을 수행하여 학습 하는 과정은 제 1 합성곱 연산 이후 배치 노멀라이제이션 처리를 수행하는 과정과 활성화 함수를 적용하는 과정을 추가적으로 수행하는 것인 영상 처리 장치
|
| 4 |
4
제 1 항에 있어서,상기 에버리지 풀링과 맥스 풀링을 병렬적으로 함께 수행하는 과정은 에버리지 풀링 결과물에 대하여 합성곱 연산, 배치 노멀라이제이션 처리를 수행하는 과정 및 활성화 함수를 적용하는 과정을 순차적으로 진행함과 동시에, 맥스 풀링 결과물에 대하여 합성곱 연산, 배치 노멀라이제이션 처리를 수행하는 과정 및 활성화 함수를 적용하는 과정을 순차적으로 진행하는 것인 영상 처리 장치
|
| 5 |
5
제 1 항에 있어서,상기 연결 레이어를 통해 연결(Concatenatin)하는 연산을 수행하는 과정은 활성화 함수를 적용하는 과정, 상기 제 2 합성곱 연산, 배치 노멀라이제이션 처리를 수행하는 과정 및 활성화 함수를 적용하는 과정을 순차적으로 진행하는 것인 영상 처리 장치
|
| 6 |
6
제 1 항에 있어서,상기 완전 연결 히든 레이어를 통해 완전 연결 연산 처리를 수행하는 과정은 에버리지 풀링을 적용하여 축소시키는 과정, 축소된 영상을 2차원으로 전환한 후, 완전 연결 연산을 적용하는 과정 및 완전 연결 연산의 적용 후 3차원으로 재배열하여 입력 영상 데이터의 크기로 확대한 후 입력 영상 데이터와 합산하는 과정을 순차적으로 진행하는 것인 영상 처리 장치
|
| 7 |
7
뇌의 신피질 기능을 모사한 합성곱 신경망 기반의 영상 처리 장치를 이용한 영상 처리 방법에 있어서,상기 영상 처리 장치를 입력된 영상 데이터에 입력 합성곱 레이어를 통해 제 1 합성곱(Convolution) 연산을 수행하여 학습 하는 단계;상기 합성곱 연산 처리가 수행된 영상 데이터에 대하여 에버리지 풀링 레이어와 맥스 풀링 레이어를 통해 에버리지 풀링과 맥스 풀링을 병렬적으로 함께 수행하는 단계;상기 에버리지 풀링 레이어와 맥스 풀링 레이어를 통해 상기 산출된 각 풀링 결과를 연결 레이어를 통해 연결(Concatenatin)하는 연산을 수행하는 단계;상기 연결 연산을 수행한 결과물에 대하여 제 2 합성곱 연산을 추가로 수행하여 학습 하는 단계;상기 제 2 합성곱 연산의 결과를 출력 레이어로 출력하는 단계; 및 상기 제 2 합성곱 연산의 결과에 대하여 완전 연결 히든 레이어를 통해 완전 연결 연산 처리를 수행하고 이를 상기 입력 합성곱 레이어로 전달하여 입력 영상 데이터와 함께 입력시키는 단계;를 수행하는 것인 영상 처리 방법
|
| 8 |
8
제 7 항에 있어서,상기 에버리지 풀링 레이어 및 맥스 풀링 레이어의 수행 동작과 상기 연결 레이어의 수행 동작은 양안으로 입력되는 정보를 압축 전달하는 외측슬상체(Lateral Geniculate Nucleus, LGN)를 모사한 것이고,상기 연결 연산을 수행한 결과물에 대하여 제 2 합성곱 연산을 추가로 수행하여 학습 하는 과정은 시각피질(V1, V2, V3, V4)을 모사한 것이고,상기 완전 연결 히든 레이어의 수행 동작은 하부측부(Inferior Temporal)를 모사한 것인 영상 처리 방법
|
| 9 |
9
제 7 항에 있어서,상기 입력 합성곱 레이어를 통해 제 1 합성곱(Convolution) 연산을 수행하여 학습 하는 과정은 제 1 합성곱 연산 이후 배치 노멀라이제이션 처리를 수행하는 과정과 활성화 함수를 적용하는 과정을 추가적으로 수행하는 것인 영상 처리 방법
|
| 10 |
10
제 7 항에 있어서,상기 에버리지 풀링과 맥스 풀링을 병렬적으로 함께 수행하는 과정은 에버리지 풀링 결과물에 대하여 합성곱 연산, 배치 노멀라이제이션 처리를 수행하는 과정 및 활성화 함수를 적용하는 과정을 순차적으로 진행함과 동시에, 맥스 풀링 결과물에 대하여 합성곱 연산, 배치 노멀라이제이션 처리를 수행하는 과정 및 활성화 함수를 적용하는 과정을 순차적으로 진행하는 것인 영상 처리 방법
|
| 11 |
11
제 7 항에 있어서,상기 연결 레이어를 통해 연결(Concatenatin)하는 연산을 수행하는 과정은 활성화 함수를 적용하는 과정, 상기 제 2 합성곱 연산, 배치 노멀라이제이션 처리를 수행하는 과정 및 활성화 함수를 적용하는 과정을 순차적으로 진행하는 것인 영상 처리 방법
|
| 12 |
12
제 7 항에 있어서,상기 완전 연결 히든 레이어를 통해 완전 연결 연산 처리를 수행하는 과정은 에버리지 풀링을 적용하여 축소시키는 과정, 축소된 영상을 2차원으로 전환한 후, 완전 연결 연산을 적용하는 과정 및 완전 연결 연산의 적용 후 3차원으로 재배열하여 입력 영상 데이터의 크기로 확대한 후 입력 영상 데이터와 합산하는 과정을 순차적으로 진행하는 것인 영상 처리 방법
|
