| 1 |
1
카메라부; 및 기계 학습이 수행되어 생성된 인공지능 모델(AI 모델)을 포함하는 기계 학습부;를 포함하고, 상기 인공지능 모델은 제1 이미지 데이터 및 제1 시정거리 값을 포함하는 데이터베이스로부터 생성된 학습세트가 사용되어 학습되되, 상기 제1 이미지 데이터 및 상기 제1 시정거리 값 각각은 다수 개의 이미지들에 대한 이미지 데이터 및 시정거리 값을 포함하고,상기 카메라부로부터 획득되는 제2 이미지 데이터의 이미지는 흑백으로 변환되고 사이즈가 조절되어 기설정된 표준 형식으로 가공된 후, 상기 인공지능 모델을 통해 상기 제2 이미지 데이터에 대한 제2 시정거리 값이 추정되어 출력되고,상기 학습세트는 상기 제1 이미지 데이터 중에서 시정거리 클래스가 할당된 이미지 데이터를 포함하며,상기 제1 이미지 데이터의 생성 날짜, 시간, 및 위치를 포함하는 생성 조건과 가장 근접한 조건에 측정된 상기 제1 시정거리 값을 기반으로 상기 시정거리 클래스가 결정되고, 상기 기계 학습부에서 임의의 입력 데이터 배치가 생성되고, 상기 인공지능 모델의 비용 및 정확도가 계산되어 상기 기계 학습의 완성 여부가 판단되며,상기 기계 학습이 완성되지 않은 경우, 다시 임의의 입력 데이터 배치가 생성되고, 상기 비용 및 상기 정확도가 계산되고, 상기 기계 학습이 완성된 것으로 판단되면 상기 인공지능 모델이 상기 데이터베이스에 저장되어 상기 제2 시정거리 값을 추정하여 출력하는 데에 사용되는 것을 특징으로 하는,이미지 데이터로부터 기계학습에 의한 시정거리 예측 장치
|
| 2 |
2
삭제
|
| 3 |
3
제 1 항에 있어서,상기 제2 시정거리 값을 기반으로 상기 제2 이미지 데이터에 시정거리 클래스가 할당되고,상기 제2 이미지 데이터의 생성 조건이 데이터 값으로 추출되고, 상기 제2 이미지 데이터, 상기 시정거리 클래스, 및 상기 데이터 값이 상기 데이터베이스에 저장되는 것을 특징으로 하는,이미지 데이터로부터 기계학습에 의한 시정거리 예측 장치
|
| 4 |
4
삭제
|
| 5 |
5
제 1 항에 있어서,상기 기계 학습부와 연결된 통신부를 더 포함하고, 상기 통신부를 통해 외부 데이터베이스에 대한 접근이 상기 기계 학습부에 제공되고, 상기 외부 데이터베이스는 상기 통신부를 통해 상기 카메라부로부터 상기 이미지를 전달받아 저장하는 것을 특징으로 하는,이미지 데이터로부터 기계학습에 의한 시정거리 예측 장치
|
| 6 |
6
제 1 항에 있어서,상기 기계 학습부와 연결된 디스플레이부를 더 포함하고,상기 디스플레이부를 통해 상기 제2 시정거리 값이 표시되는 것을 특징으로 하는,이미지 데이터로부터 기계학습에 의한 시정거리 예측 장치
|
| 7 |
7
제 1 항에 있어서,상기 기계 학습부와 연결된 출력부를 더 포함하고,상기 출력부는 외부 장치로 상기 제2 시정거리 값을 제공하는 것을 특징으로 하는,이미지 데이터로부터 기계학습에 의한 시정거리 예측 장치
|
| 8 |
8
적어도 하나의 카메라를 포함하는 촬영부; 기계 학습부, 상기 기계 학습부에 의해 기계 학습이 수행되어 생성된 인공지능 모델, 및 데이터베이스를 포함하는 서버;상기 서버와 통신 가능한 적어도 하나의 사용자 단말기; 및 통신망을 포함하고,상기 데이터베이스는 상기 카메라의 제1 이미지 데이터 및 상기 카메라가 위치된 장소에서의 제1 시정거리 값을 포함하되, 상기 제1 이미지 데이터 및 상기 제1 시정거리 값 각각은 다수 개의 이미지들에 대한 이미지 데이터 및 시정거리 값을 포함하고,상기 인공지능 모델은 상기 데이터베이스로부터 생성된 학습세트가 사용되어 학습되며, 상기 학습세트는 상기 제1 이미지 데이터 중에서 시정거리 클래스가 할당된 이미지 데이터를 포함하며, 상기 제1 이미지 데이터의 생성 날짜, 시간, 및 위치를 포함하는 생성 조건과 가장 근접한 조건에 측정된 상기 제1 시정거리 값을 기반으로 상기 시정거리 클래스가 결정되고, 상기 기계 학습부에서 임의의 입력 데이터 배치가 생성되고, 상기 인공지능 모델의 비용 및 정확도가 계산되어 상기 기계 학습의 완성 여부가 판단되며,상기 기계 학습이 완성되지 않은 경우, 다시 임의의 입력 데이터 배치가 생성되고, 상기 비용 및 상기 정확도가 계산되고, 상기 기계 학습이 완성된 것으로 판단되면 상기 인공지능 모델이 상기 데이터베이스에 저장되고, 상기 사용자 단말기로부터 상기 서버로 제2 이미지 데이터가 입력되면, 상기 제2 이미지 데이터의 이미지는 흑백으로 변환되고 사이즈가 조절되어 기설정된 표준 형식으로 가공된 후, 상기 데이터베이스에 저장된 상기 인공지능 모델을 통해 상기 제2 이미지에 대한 제2 시정거리 값이 추정되어 출력되는 것을 특징으로 하는,이미지 데이터로부터 기계학습에 의한 시정거리 예측 시스템
|
| 9 |
9
제 8 항에 있어서,상기 서버는, 상기 제1 및 제2 이미지 데이터가 입력되는 이미지 입력부;상기 사용자 단말기로부터의 요청을 수신하는 요청 입력부; 및상기 제2 이미지 데이터 및 상기 제2 시정거리 값을 출력하는 출력부;를 더 포함하고,상기 제1 이미지 데이터는 서로 다른 위치의 다수 개의 상기 카메라로 획득되고, 상기 제2 이미지 데이터는 상기 사용자 단말기로부터 상기 요청과 동시에 상기 데이터베이스로 전달되는 것을 특징으로 하는,이미지 데이터로부터 기계학습에 의한 시정거리 예측 시스템
|
| 10 |
10
제 8 항에 있어서,상기 학습 세트의 데이터는 별도의 기록 매체에 저장될 수 있는 것을 특징으로 하는,이미지 데이터로부터 기계학습에 의한 시정거리 예측 시스템
|
| 11 |
11
(a) 제1 이미지 데이터가 서버에 입력되어 제1 시정거리 값을 포함하는 데이터베이스에 저장되는 단계;(b) 상기 제1 이미지 데이터의 생성 조건이 데이터 값으로 추출되어 상기 데이터베이스에 저장되는 단계;(c) 상기 데이터베이스로부터 생성된 학습세트를 사용한 기계 학습이 수행되어 인공지능 모델이 생성되는 단계;(d) 제2 이미지 데이터 및 요청이 사용자 단말기로부터 상기 서버에 입력되는 단계;(e) 상기 제2 이미지 데이터의 이미지가 상기 데이터베이스에 저장되는 단계;(f) 상기 제2 이미지 데이터의 이미지가 흑백으로 변환되고 사이즈가 조절되어 기설정된 표준 형식으로 가공된 후, 상기 인공지능 모델을 통해 상기 제2 이미지 데이터에 대한 시정거리 평가가 수행되는 단계; 및(g) 상기 시정거리 평가 결과로서 추정된 제2 시정거리 값이 출력되는 단계;를 포함하고,상기 학습세트는 상기 제1 이미지 데이터 중에서 시정거리 클래스가 할당된 이미지 데이터를 포함하며, 상기 제1 이미지 데이터의 생성 날짜, 시간, 및 위치를 포함하는 생성 조건과 가장 근접한 조건에 측정된 상기 제1 시정거리 값을 기반으로 상기 시정거리 클래스가 결정되고, 상기 (c) 단계는,(c1) 기계 학습부에서 상기 학습 세트의 데이터를 읽는 단계;(c2) 상기 학습 세트에 포함된 상기 제1 이미지 데이터의 이미지가 흑백으로 변환되는 단계;(c3) 상기 이미지의 사이즈가 변환되는 단계;(c4) 기설정된 표준 형식으로 가공된 상기 이미지가 정규화되는 단계;(c5) 임의의 입력 데이터 배치가 생성되는 단계; (c6) 상기 인공지능 모델의 비용 및 정확도가 계산되는 단계;(c7) 기계 학습의 완성 판단 단계;기계 학습이 완성되지 않은 경우, 다시 상기 (c5) 단계부터 반복되고, 기계 학습이 완성된 경우, 상기 인공지능 모델은 상기 데이터베이스에 저장되는 것을 특징으로 하는,이미지 데이터로부터 기계학습에 의한 시정거리 예측 방법
|
| 12 |
12
삭제
|
| 13 |
13
제 11 항에 있어서,상기 (d) 단계에서 상기 제2 이미지 데이터 및 상기 요청은 웹에 구성된 인덱스 페이지를 통해 상기 사용자 단말기로부터 상기 서버에 입력되고,상기 (g) 단계에서 상기 제2 시정거리 값은 웹에 구성된 결과 페이지를 통해 표시되는 것을 특징으로 하는,이미지 데이터로부터 기계학습에 의한 시정거리 예측 방법
|
