| 1 |
1
입력 이미지에 대해 복수의 콘볼루션 필터들을 기초로 한 특징 추출을 연쇄적으로 수행하여 상기 입력 이미지에 대한 n(n은 3이상의 자연수)채널의 제1 특징맵을 생성하는 제1 특징맵 생성부;상기 제1 특징맵에서 객체 인식을 위한 기설정된(predetermined) 크기를 갖는 관심 영역을 설정하고, 상기 제1 특징맵으로부터 상기 관심 영역에 대응하는 제1 부분 특징맵을 추출하는 부분 특징맵 추출부;상기 제1 부분 특징맵을 기설정된 제1 분할 지점을 기초로 좌측 영역과 우측 영역으로 분할하여 상기 좌측 영역에 대응하는 좌측 영역 특징맵과 상기 우측 영역에 대응하는 우측 영역 특징맵을 생성하고, 상기 제1 부분 특징맵을 기설정된 제2 분할 지점을 기초로 상단 영역과 하단 영역으로 분할하여 상기 상단 영역에 대응하는 상단 영역 특징맵과 상기 하단 영역에 대응하는 하단 영역 특징맵을 생성하는 영역 분할부;상기 좌측 영역 특징맵과 상기 우측 영역 특징맵을 병합하여 k(k는 n보다 작은 2이상의 자연수임)채널의 제1 병합 특징맵을 생성하고, 상기 상단 영역 특징맵과 상기 하단 영역 특징맵을 병합하여 k채널의 제2 병합 특징맵을 생성한 후 상기 제1 병합 특징맵과 상기 제2 병합 특징맵을 병합하여 k채널의 제3 병합 특징맵을 생성하는 병합 특징맵 생성부;상기 제1 부분 특징맵에 대해 i(i는 n보다 큰 자연수임)개의 제1 콘볼루션 필터들을 적용하여 상기 제3 병합 특징맵과 동일한 크기를 갖는 i채널의 제1 대응 특징맵을 생성한 후 상기 제1 대응 특징맵과 상기 제3 병합 특징맵을 병합하여 i채널의 최종 병합 특징맵을 생성하는 최종 병합부; 및상기 최종 병합 특징맵을 기초로 객체 분류를 위한 기계학습을 수행함으로써, 상기 복수의 콘볼루션 필터들과 상기 제1 콘볼루션 필터들의 가중치를 결정하는 학습 수행부를 포함하는 특징맵에 대한 영역 분할과 병합을 통해 기계학습 기반의 객체 식별을 수행하는 전자 장치
|
| 2 |
2
제1항에 있어서,상기 영역 분할부는상기 제1 부분 특징맵을 상기 기설정된 제1 분할 지점을 기초로 상기 좌측 영역과 상기 우측 영역으로 분할한 후 상기 제1 부분 특징맵의 상기 좌측 영역과 상기 우측 영역 각각에서 특징 값을 선택하기 위한 풀링(pooling)을 수행함으로써, 상기 기설정된 크기에 대비하여 제1 비율 - 상기 제1 비율은 1보다 작은 값임 - 의 크기를 갖는 상기 좌측 영역 특징맵과 상기 우측 영역 특징맵을 생성하는 제1 분할부; 및상기 제1 부분 특징맵을 상기 기설정된 제2 분할 지점을 기초로 상기 상단 영역과 상기 하단 영역으로 분할한 후 상기 제1 부분 특징맵의 상기 상단 영역과 상기 하단 영역 각각에서 특징 값을 선택하기 위한 풀링을 수행함으로써, 상기 기설정된 크기에 대비하여 상기 제1 비율의 크기를 갖는 상기 상단 영역 특징맵과 상기 하단 영역 특징맵을 생성하는 제2 분할부를 포함하는 특징맵에 대한 영역 분할과 병합을 통해 기계학습 기반의 객체 식별을 수행하는 전자 장치
|
| 3 |
3
제1항에 있어서,상기 병합 특징맵 생성부는상기 좌측 영역 특징맵에 k개의 제1 병합용 콘볼루션 필터들을 적용하고, 상기 제1 병합용 콘볼루션 필터들에 따른 연산 값에 대해 기설정된 활성화 함수를 기초로 한 특징 값 연산을 수행함으로써, k채널의 좌측 변환 특징맵을 생성하는 좌측 변환 특징맵 생성부;상기 우측 영역 특징맵에 k개의 제2 병합용 콘볼루션 필터들을 적용하고, 상기 제2 병합용 콘볼루션 필터들에 따른 연산 값에 대해 상기 기설정된 활성화 함수를 기초로 한 특징 값 연산을 수행함으로써, k채널의 우측 변환 특징맵을 생성하는 우측 변환 특징맵 생성부; 및상기 좌측 변환 특징맵과 상기 우측 변환 특징맵에서 동일 위치에 존재하는 각 특징 값을 서로 비교하여 큰 값을 갖는 특징 값을 선택함으로써, 상기 제1 병합 특징맵을 생성하는 제1 병합 특징맵 생성부를 포함하는 특징맵에 대한 영역 분할과 병합을 통해 기계학습 기반의 객체 식별을 수행하는 전자 장치
|
| 4 |
4
제3항에 있어서,상기 병합 특징맵 생성부는상기 상단 영역 특징맵에 k개의 제3 병합용 콘볼루션 필터들을 적용하고, 상기 제3 병합용 콘볼루션 필터들에 따른 연산 값에 대해 상기 기설정된 활성화 함수를 기초로 한 특징 값 연산을 수행함으로써, k채널의 상단 변환 특징맵을 생성하는 상단 변환 특징맵 생성부;상기 하단 영역 특징맵에 k개의 제4 병합용 콘볼루션 필터들을 적용하고, 상기 제4 병합용 콘볼루션 필터들에 따른 연산 값에 대해 상기 기설정된 활성화 함수를 기초로 한 특징 값 연산을 수행함으로써, k채널의 하단 변환 특징맵을 생성하는 하단 변환 특징맵 생성부; 및상기 상단 변환 특징맵과 상기 하단 변환 특징맵에서 동일 위치에 존재하는 각 특징 값을 서로 비교하여 큰 값을 갖는 특징 값을 선택함으로써, 상기 제2 병합 특징맵을 생성하는 제2 병합 특징맵 생성부를 더 포함하는 특징맵에 대한 영역 분할과 병합을 통해 기계학습 기반의 객체 식별을 수행하는 전자 장치
|
| 5 |
5
제4항에 있어서,상기 병합 특징맵 생성부는상기 제1 병합 특징맵과 상기 제2 병합 특징맵이 생성되면, 상기 제1 병합 특징맵에 k개의 제5 병합용 콘볼루션 필터들을 적용하고, 상기 제5 병합용 콘볼루션 필터들에 따른 연산 값에 대해 상기 기설정된 활성화 함수를 기초로 한 특징 값 연산을 수행함으로써, k채널의 제1 변환 특징맵을 생성하는 제1 변환 특징맵 생성부;상기 제2 병합 특징맵에 k개의 제6 병합용 콘볼루션 필터들을 적용하고, 상기 제6 병합용 콘볼루션 필터들에 따른 연산 값에 대해 상기 기설정된 활성화 함수를 기초로 한 특징 값 연산을 수행함으로써, k채널의 제2 변환 특징맵을 생성하는 제2 변환 특징맵 생성부; 및상기 제1 변환 특징맵과 상기 제2 변환 특징맵에서 동일 위치에 존재하는 각 특징 값을 서로 비교하여 큰 값을 갖는 특징 값을 선택함으로써, 상기 제3 병합 특징맵을 생성하는 제3 병합 특징맵 생성부를 더 포함하는 특징맵에 대한 영역 분할과 병합을 통해 기계학습 기반의 객체 식별을 수행하는 전자 장치
|
| 6 |
6
제5항에 있어서,상기 최종 병합부는상기 제1 부분 특징맵에 대해 상기 i개의 제1 콘볼루션 필터들을 적용하여 상기 제3 병합 특징맵과 동일한 크기를 갖는 i채널의 상기 제1 대응 특징맵을 생성하는 제1 대응 특징맵 생성부;상기 제1 대응 특징맵에 i개의 제1 최종 병합용 콘볼루션 필터들을 적용하고, 상기 제1 최종 병합용 콘볼루션 필터들에 따른 연산 값에 대해 상기 기설정된 활성화 함수를 기초로 한 특징 값 연산을 수행함으로써, i채널의 제1 최종 변환 특징맵을 생성하는 제1 최종 변환 특징맵 생성부;상기 제3 병합 특징맵에 i개의 제2 최종 병합용 콘볼루션 필터들을 적용하고, 상기 제2 최종 병합용 콘볼루션 필터들에 따른 연산 값에 대해 상기 기설정된 활성화 함수를 기초로 한 특징 값 연산을 수행함으로써, i채널의 제2 최종 변환 특징맵을 생성하는 제2 최종 변환 특징맵 생성부; 및상기 제1 최종 변환 특징맵과 상기 제2 최종 변환 특징맵에서 동일 위치에 존재하는 각 특징 값을 서로 비교하여 큰 값을 갖는 특징 값을 선택함으로써, 상기 최종 병합 특징맵을 생성하는 최종 병합 특징맵 생성부를 포함하는 특징맵에 대한 영역 분할과 병합을 통해 기계학습 기반의 객체 식별을 수행하는 전자 장치
|
| 7 |
7
제6항에 있어서,상기 학습 수행부는상기 최종 병합 특징맵을 기초로 객체 분류를 위한 기계학습을 수행함으로써, 상기 복수의 콘볼루션 필터들과 상기 제1 콘볼루션 필터들의 가중치를 결정함과 동시에, 상기 제1, 제2, 제3, 제4, 제5, 제6 병합용 콘볼루션 필터들과 상기 제1, 제2 최종 병합용 콘볼루션 필터들의 가중치를 결정하는 특징맵에 대한 영역 분할과 병합을 통해 기계학습 기반의 객체 식별을 수행하는 전자 장치
|
| 8 |
8
입력 이미지에 대해 복수의 콘볼루션 필터들을 기초로 한 특징 추출을 연쇄적으로 수행하여 상기 입력 이미지에 대한 n(n은 3이상의 자연수)채널의 제1 특징맵을 생성하는 단계;상기 제1 특징맵에서 객체 인식을 위한 기설정된(predetermined) 크기를 갖는 관심 영역을 설정하고, 상기 제1 특징맵으로부터 상기 관심 영역에 대응하는 제1 부분 특징맵을 추출하는 단계;상기 제1 부분 특징맵을 기설정된 제1 분할 지점을 기초로 좌측 영역과 우측 영역으로 분할하여 상기 좌측 영역에 대응하는 좌측 영역 특징맵과 상기 우측 영역에 대응하는 우측 영역 특징맵을 생성하고, 상기 제1 부분 특징맵을 기설정된 제2 분할 지점을 기초로 상단 영역과 하단 영역으로 분할하여 상기 상단 영역에 대응하는 상단 영역 특징맵과 상기 하단 영역에 대응하는 하단 영역 특징맵을 생성하는 단계;상기 좌측 영역 특징맵과 상기 우측 영역 특징맵을 병합하여 k(k는 n보다 작은 2이상의 자연수임)채널의 제1 병합 특징맵을 생성하고, 상기 상단 영역 특징맵과 상기 하단 영역 특징맵을 병합하여 k채널의 제2 병합 특징맵을 생성한 후 상기 제1 병합 특징맵과 상기 제2 병합 특징맵을 병합하여 k채널의 제3 병합 특징맵을 생성하는 단계;상기 제1 부분 특징맵에 대해 i(i는 n보다 큰 자연수임)개의 제1 콘볼루션 필터들을 적용하여 상기 제3 병합 특징맵과 동일한 크기를 갖는 i채널의 제1 대응 특징맵을 생성한 후 상기 제1 대응 특징맵과 상기 제3 병합 특징맵을 병합하여 i채널의 최종 병합 특징맵을 생성하는 단계; 및상기 최종 병합 특징맵을 기초로 객체 분류를 위한 기계학습을 수행함으로써, 상기 복수의 콘볼루션 필터들과 상기 제1 콘볼루션 필터들의 가중치를 결정하는 단계를 포함하는 특징맵에 대한 영역 분할과 병합을 통해 기계학습 기반의 객체 식별을 수행하는 전자 장치의 동작 방법
|
| 9 |
9
제8항에 있어서,상기 하단 영역 특징맵을 생성하는 단계는상기 제1 부분 특징맵을 상기 기설정된 제1 분할 지점을 기초로 상기 좌측 영역과 상기 우측 영역으로 분할한 후 상기 제1 부분 특징맵의 상기 좌측 영역과 상기 우측 영역 각각에서 특징 값을 선택하기 위한 풀링(pooling)을 수행함으로써, 상기 기설정된 크기에 대비하여 제1 비율 - 상기 제1 비율은 1보다 작은 값임 - 의 크기를 갖는 상기 좌측 영역 특징맵과 상기 우측 영역 특징맵을 생성하는 단계; 및상기 제1 부분 특징맵을 상기 기설정된 제2 분할 지점을 기초로 상기 상단 영역과 상기 하단 영역으로 분할한 후 상기 제1 부분 특징맵의 상기 상단 영역과 상기 하단 영역 각각에서 특징 값을 선택하기 위한 풀링을 수행함으로써, 상기 기설정된 크기에 대비하여 상기 제1 비율의 크기를 갖는 상기 상단 영역 특징맵과 상기 하단 영역 특징맵을 생성하는 단계를 포함하는 특징맵에 대한 영역 분할과 병합을 통해 기계학습 기반의 객체 식별을 수행하는 전자 장치의 동작 방법
|
| 10 |
10
제8항에 있어서,상기 제3 병합 특징맵을 생성하는 단계는상기 좌측 영역 특징맵에 k개의 제1 병합용 콘볼루션 필터들을 적용하고, 상기 제1 병합용 콘볼루션 필터들에 따른 연산 값에 대해 기설정된 활성화 함수를 기초로 한 특징 값 연산을 수행함으로써, k채널의 좌측 변환 특징맵을 생성하는 단계;상기 우측 영역 특징맵에 k개의 제2 병합용 콘볼루션 필터들을 적용하고, 상기 제2 병합용 콘볼루션 필터들에 따른 연산 값에 대해 상기 기설정된 활성화 함수를 기초로 한 특징 값 연산을 수행함으로써, k채널의 우측 변환 특징맵을 생성하는 단계; 및상기 좌측 변환 특징맵과 상기 우측 변환 특징맵에서 동일 위치에 존재하는 각 특징 값을 서로 비교하여 큰 값을 갖는 특징 값을 선택함으로써, 상기 제1 병합 특징맵을 생성하는 단계를 포함하는 특징맵에 대한 영역 분할과 병합을 통해 기계학습 기반의 객체 식별을 수행하는 전자 장치의 동작 방법
|
| 11 |
11
제10항에 있어서,상기 제3 병합 특징맵을 생성하는 단계는상기 상단 영역 특징맵에 k개의 제3 병합용 콘볼루션 필터들을 적용하고, 상기 제3 병합용 콘볼루션 필터들에 따른 연산 값에 대해 상기 기설정된 활성화 함수를 기초로 한 특징 값 연산을 수행함으로써, k채널의 상단 변환 특징맵을 생성하는 단계;상기 하단 영역 특징맵에 k개의 제4 병합용 콘볼루션 필터들을 적용하고, 상기 제4 병합용 콘볼루션 필터들에 따른 연산 값에 대해 상기 기설정된 활성화 함수를 기초로 한 특징 값 연산을 수행함으로써, k채널의 하단 변환 특징맵을 생성하는 단계; 및상기 상단 변환 특징맵과 상기 하단 변환 특징맵에서 동일 위치에 존재하는 각 특징 값을 서로 비교하여 큰 값을 갖는 특징 값을 선택함으로써, 상기 제2 병합 특징맵을 생성하는 단계를 더 포함하는 특징맵에 대한 영역 분할과 병합을 통해 기계학습 기반의 객체 식별을 수행하는 전자 장치의 동작 방법
|
| 12 |
12
제11항에 있어서,상기 제3 병합 특징맵을 생성하는 단계는상기 제1 병합 특징맵과 상기 제2 병합 특징맵이 생성되면, 상기 제1 병합 특징맵에 k개의 제5 병합용 콘볼루션 필터들을 적용하고, 상기 제5 병합용 콘볼루션 필터들에 따른 연산 값에 대해 상기 기설정된 활성화 함수를 기초로 한 특징 값 연산을 수행함으로써, k채널의 제1 변환 특징맵을 생성하는 단계;상기 제2 병합 특징맵에 k개의 제6 병합용 콘볼루션 필터들을 적용하고, 상기 제6 병합용 콘볼루션 필터들에 따른 연산 값에 대해 상기 기설정된 활성화 함수를 기초로 한 특징 값 연산을 수행함으로써, k채널의 제2 변환 특징맵을 생성하는 단계; 및상기 제1 변환 특징맵과 상기 제2 변환 특징맵에서 동일 위치에 존재하는 각 특징 값을 서로 비교하여 큰 값을 갖는 특징 값을 선택함으로써, 상기 제3 병합 특징맵을 생성하는 단계를 더 포함하는 특징맵에 대한 영역 분할과 병합을 통해 기계학습 기반의 객체 식별을 수행하는 전자 장치의 동작 방법
|
| 13 |
13
제12항에 있어서,상기 최종 병합 특징맵을 생성하는 단계는상기 제1 부분 특징맵에 대해 상기 i개의 제1 콘볼루션 필터들을 적용하여 상기 제3 병합 특징맵과 동일한 크기를 갖는 i채널의 상기 제1 대응 특징맵을 생성하는 단계;상기 제1 대응 특징맵에 i개의 제1 최종 병합용 콘볼루션 필터들을 적용하고, 상기 제1 최종 병합용 콘볼루션 필터들에 따른 연산 값에 대해 상기 기설정된 활성화 함수를 기초로 한 특징 값 연산을 수행함으로써, i채널의 제1 최종 변환 특징맵을 생성하는 단계;상기 제3 병합 특징맵에 i개의 제2 최종 병합용 콘볼루션 필터들을 적용하고, 상기 제2 최종 병합용 콘볼루션 필터들에 따른 연산 값에 대해 상기 기설정된 활성화 함수를 기초로 한 특징 값 연산을 수행함으로써, i채널의 제2 최종 변환 특징맵을 생성하는 단계; 및상기 제1 최종 변환 특징맵과 상기 제2 최종 변환 특징맵에서 동일 위치에 존재하는 각 특징 값을 서로 비교하여 큰 값을 갖는 특징 값을 선택함으로써, 상기 최종 병합 특징맵을 생성하는 단계를 포함하는 특징맵에 대한 영역 분할과 병합을 통해 기계학습 기반의 객체 식별을 수행하는 전자 장치의 동작 방법
|
| 14 |
14
제13항에 있어서,상기 가중치를 결정하는 단계는상기 최종 병합 특징맵을 기초로 객체 분류를 위한 기계학습을 수행함으로써, 상기 복수의 콘볼루션 필터들과 상기 제1 콘볼루션 필터들의 가중치를 결정함과 동시에, 상기 제1, 제2, 제3, 제4, 제5, 제6 병합용 콘볼루션 필터들과 상기 제1, 제2 최종 병합용 콘볼루션 필터들의 가중치를 결정하는 특징맵에 대한 영역 분할과 병합을 통해 기계학습 기반의 객체 식별을 수행하는 전자 장치의 동작 방법
|
| 15 |
15
제8항 내지 제14항 중 어느 한 항의 방법을 컴퓨터와의 결합을 통해 실행시키기 위한 컴퓨터 프로그램을 기록한 컴퓨터 판독 가능 기록 매체
|
| 16 |
16
제8항 내지 제14항 중 어느 한 항의 방법을 컴퓨터와의 결합을 통해 실행시키기 위한 저장매체에 저장된 컴퓨터 프로그램
|
