1 |
1
영상을 복수의 카테고리로 분류하도록 학습된 신경망 모델을 이용하여, 입력된 영상을 복수의 상기 복수의 카테고리 중 어느 하나로 분류하는 단계; 및상기 영상이 제1 카테고리로 분류된 경우 상기 영상의 일부 영역인 제1 영역에서 객체를 검출하고, 상기 영상이 제2 카테고리로 분류된 경우 상기 영상의 다른 일부 영역인 제2 영역에서 객체를 검출하는 단계;를 포함하는객체 검출 방법
|
2 |
2
제1 항에 있어서,상기 카테고리는, 영상을 기설정된 방법에 따라 제1 영역과 제2 영역을 포함하는 2 이상의 영역으로 분할하였을 때의 상기 제1 영역에 객체가 포함된 것을 의미하는 제1 카테고리, 상기 제2 영역에 객체가 포함된 것을 의미하는 제2 카테고리를 포함하는,객체 검출 방법
|
3 |
3
제2 항에 있어서,상기 카테고리는 상기 영상에 상기 객체가 포함되지 않은 것을 의미하는 제3 카테고리를 더 포함하고,상기 검출하는 단계는, 상기 영상이 제3 카테고리로 분류되면 상기 영상에서 객체를 검출하지 않는,객체 검출 방법
|
4 |
4
제2 항에 있어서,상기 카테고리는, 상기 분할된 모든 영역에 객체가 포함된 것을 의미하는 제4 카테고리를 더 포함하고,상기 검출하는 단계는, 상기 영상이 상기 제4 카테고리로 분류되면 상기 영상 전체에서 상기 객체를 검출하는,객체 검출 방법
|
5 |
5
제1 항에 있어서,상기 제1 영역은 상기 영상을 2개 영역으로 분할하였을 때의 왼쪽 영역이고, 상기 제2 영역은 오른쪽 영역인,객체 검출 방법
|
6 |
6
제1 항에 있어서,상기 신경망 모델은, 상기 입력 영상을 필터링하는 컨볼루션 레이어, 상기 컨볼루션 레이어의 출력 데이터를 압축하는 풀링 레이어, 상기 풀링 레이어의 출력 데이터에 연결되는 FCL(fully connected layer), 상기 FCL의 출력 데이터에 포함되는 소프트맥스 레이어를 포함하고,상기 소프트맥스 레이어는 상기 복수의 카테고리 각각에 대응되는 노드를 포함하는,객체 검출 방법
|
7 |
7
제6 항에 있어서,상기 풀링 레이어는 스트라이드가 1로 설정되는,객체 검출 방법
|
8 |
8
제1 항에 있어서,상기 검출하는 단계는,후보 영역을 검출하는 단계; 및상기 후보 영역 각각에 포함된 객체를 검출하는 단계;를 포함하는,객체 검출 방법
|
9 |
9
영상을 복수의 카테고리로 분류하도록 학습된 신경망 모델을 이용하여, 입력된 영상을 복수의 상기 복수의 카테고리 중 어느 하나로 분류하는 카테고리 분류부; 및상기 영상이 제1 카테고리로 분류된 경우 상기 영상의 일부 영역인 제1 영역에서 객체를 검출하고, 상기 영상이 제2 카테고리로 분류된 경우 상기 영상의 다른 일부 영역인 제2 영역에서 객체를 검출하는 검출부;를 포함하는객체 검출 장치
|
10 |
10
제1 항 내지 제8 항 중 어느 한 항의 방법을 컴퓨터에서 실행하기 위하여 매체에 저장된 컴퓨터 프로그램
|