| 1 |
1
영상 데이터를 입력받는 입력부;상기 입력된 영상 데이터를 분할하고 위험 상황에 대한 시맨틱 정보를 추출하도록 학습하는 시맨틱 분할 네트워크; 및상기 입력된 영상 데이터 및 상기 추출된 시맨틱 정보에 기초하여 위험 상황을 예측하도록 학습하는 예측 네트워크;를 포함하고,상기 예측 네트워크는,상기 입력된 영상 데이터를 기 설정된 필터에 기초하여 상기 입력된 영상 데이터의 특징을 포함하는 매트릭스 맵을 생성하는 컨벌류션 레이어를 포함하고,상기 시맨틱 분할 네트워크는 상기 예측 네트워크의 컨벌루션 레이어를 공유하는, 영상 데이터 처리 장치
|
| 2 |
2
제1항에 있어서,상기 예측 네트워크는,상기 컨벌루션 레이어에서 생성된 매트릭스 맵에 포함된 일반적인 특징을 추출하여 연결하는 제1 완전 연결 레이어(fully connected layer)를 더 포함하고,상기 시맨틱 분할 네트워크는 상기 생성된 매트릭스 맵으로부터 시맨틱 특징을 추출하여 연결하는 제3 완전 연결 레이어를 더 포함하는, 영상 데이터 처리 장치
|
| 3 |
3
제2항에 있어서,상기 예측 네트워크는,상기 제1 완전 연결 레이어의 출력값 및 상기 제3 완전 연결 레이어의 출력값을 입력받아 조합하는 제2 완전 연결 레이어 및 상기 제2 완전 연결 레이어의 출력값을 확률적으로 분석하여 위험 상황을 학습하는 소프트맥스 레이어를 더 포함하는, 영상 데이터 처리 장치
|
| 4 |
4
제1항에 있어서,상기 예측 네트워크는 크로스 엔트로피 손실 함수를 포함하고, 상기 시맨틱 분할 네트워크는 기하학적 손실 함수를 포함하며, 상기 예측 네트워크 및 상기 시맨틱 분할 네트워크는 상기 크로스 엔트로피 손실 함수와 상기 기하학적 손실 함수의 총 합이 최소화하도록 상기 예측 네트워크와 상기 시맨틱 분할 네트워크는 동시에 학습되는, 영상 데이터 처리 장치
|
| 5 |
5
영상 데이터를 입력받는 단계;입력된 영상 데이터를 분할하고 위험 상황에 대한 시맨틱 정보를 추출하도록 학습하는 단계; 및상기 입력된 영상 데이터 및 상기 추출된 시맨틱 정보에 기초하여 위험 상황을 예측하도록 학습하는 단계;를 포함하고,상기 위험 상황을 예측하도록 학습하는 단계 및 상기 시맨틱 정보를 추출하도록 학습하는 단계는,상기 입력된 영상 데이터를 기 설정된 필터에 기초하여 상기 입력된 영상 데이터의 특징을 포함하는 매트릭스 맵을 생성하고, 상기 생성된 매트릭스 맵을 공유하는, 영상 데이터 처리 장치의 제어 방법
|
| 6 |
6
제5항에 있어서,상기 위험 상황을 예측하도록 학습하는 단계는,제1 완전 연결 레이어에서 상기 생성된 매트릭스 맵에 포함된 일반적인 특징을 추출하여 연결하고,상기 시맨틱 정보를 추출하도록 학습하는 단계는,제3 완전 연결 레이어에서 상기 생성된 매트릭스 맵으로부터 시맨틱 특징을 추출하여 연결하는, 영상 데이터 처리 장치의 제어 방법
|
| 7 |
7
제6항에 있어서,상기 위험 상황을 예측하도록 학습하는 단계는,상기 제1 완전 연결 레이어의 출력값 및 상기 제3 완전 연결 레이어의 출력값을 입력받아 제2 완전 연결 레이어에서 조합하고, 소프트맥스 레이어에서 상기 제2 완전 연결 레이어의 출력값을 확률적으로 분석하여 위험 상황을 학습하는, 영상 데이터 처리 장치의 제어 방법
|
| 8 |
8
제5항에 있어서,상기 위험 상황을 예측하도록 학습하는 단계는 크로스 엔트로피 손실을 산출하고, 상기 시맨틱 정보를 추출하도록 학습하는 단계는 기하학적 손실을 산출하며, 상기 산출된 엔트로피 손실 및 상기 기하학적 손실의 총 합이 최소화하도록 상기 위험 상황을 예측하도록 학습하는 단계 및 상기 시맨틱 정보를 추출하도록 학습하는 단계는 동시에 학습되는, 영상 데이터 처리 장치의 제어 방법
|
