1 |
1
딥 러닝(deep-learning) 기반으로 사전 학습된 제1 모델에 따라 입력 영상을 분석하여 영상 내의 장애물을 검출하는 검출부와,상기 검출된 장애물의 위치정보를 이용하여 영상 내 장애물을 제외한 부분에 초점을 맞추어 장애물은 흐리고 장애물이 아닌 부분은 선명한 영상을 생성하는 자동 초점 설정부와,상기 초점이 맞춰진 영상에 대해 비지도 학습의 딥 러닝 기반으로 사전 학습된 제2 모델에 따라 장애물이 없는 영상을 출력하는 영상 복원부를 포함하는 머신러닝 기반 영상의 장애물 제거 장치
|
2 |
2
제1항에서,상기 검출부는 입력 영상으로부터 특징 맵(feature map)을 추출하고 특징 맵을 심층 신경망에 적용하여 영상을 장애물이 있는 영상과 장애물이 없는 영상을 분류하고, 장애물이 있는 영상의 특징 맵을 이용하여 영상 내의 장애물의 위치정보를 예측하는 것을 특징으로 하는 머신러닝 기반 영상의 장애물 제거 장치
|
3 |
3
제2항에서,상기 검출부는 상기 장애물이 있는 영상의 특징 맵 그룹에서 현재 레이어(layer)의 평균 특징 맵과 이전 레이어의 마스크(mask)를 픽셀별 곱(pointwise multiplication) 연산하는 과정을 역방향으로 순차 진행함으로써 입력 영상과 같은 크기로 매핑된 가시화 마스크(visualization mask)를 출력하는 것을 특징으로 하는 머신러닝 기반 영상의 장애물 제거 장치
|
4 |
4
제3항에서,상기 검출부는 상기 가시화 마스크에 대해 이진화를 수행하여 이진화 영상을 생성하고 이진화 영상으로부터 장애물의 위치정보를 추출하는 것을 특징으로 하는 머신러닝 기반 영상의 장애물 제거 장치
|
5 |
5
제1항에서,상기 영상 복원부로부터 출력된 장애물이 없는 영상에서 발생하는 블러(blur) 현상을 제거하는 화질 개선부를 더 포함하는 것을 특징으로 하는 머신러닝 기반 영상의 장애물 제거 장치
|
6 |
6
영상의 장애물 제거 장치에서 머신러닝 기반으로 영상에 포함된 장애물을 제거하는 방법에 있어서, 딥 러닝(deep-learning) 기반으로 사전 학습된 제1 모델에 따라 입력 영상을 분석하여 영상 내의 장애물을 검출하는 장애물 검출 단계와, 상기 검출된 장애물의 위치정보를 이용하여 영상 내 장애물을 제외한 부분에 초점을 맞추어 장애물은 흐리고 장애물이 아닌 부분은 선명한 영상을 생성하는 자동 초점 설정 단계와,상기 초점이 맞춰진 영상에 대해 비지도 학습의 딥 러닝 기반으로 사전 학습된 제2 모델에 따라 장애물이 없는 영상을 출력하는 영상 복원 단계를 포함하는 머신러닝 기반 영상의 장애물 제거 방법
|
7 |
7
제6항에서,상기 장애물 검출 단계는 입력 영상으로부터 특징 맵(feature map)을 추출하고 특징 맵을 심층 신경망에 적용하여 영상을 장애물이 있는 영상과 장애물이 없는 영상을 분류하는 과정과, 장애물이 있는 영상의 특징 맵을 이용하여 영상 내의 장애물의 위치정보를 예측하는 과정을 포함하는 것을 특징으로 하는 머신러닝 기반 영상의 장애물 제거 방법
|
8 |
8
제7항에서,상기 장애물의 위치정보를 예측하는 과정은 상기 장애물이 있는 영상의 특징 맵 그룹에서 현재 레이어(layer)의 평균 특징 맵과 이전 레이어의 마스크(mask)를 픽셀별 곱(pointwise multiplication) 연산하는 과정을 역방향으로 순차 진행함으로써 입력 영상과 같은 크기로 매핑된 가시화 마스크(visualization mask)를 출력하는 것을 특징으로 하는 머신러닝 기반 영상의 장애물 제거 방법
|
9 |
9
제8항에서,상기 장애물의 위치정보를 예측하는 과정은 상기 가시화 마스크에 대해 이진화를 수행하여 이진화 영상을 생성하고 이진화 영상으로부터 장애물의 위치정보를 추출하는 것을 특징으로 하는 머신러닝 기반 영상의 장애물 제거 방법
|
10 |
10
제6항에서,상기 영상 복원 단계에서 출력된 장애물이 없는 영상에서 발생하는 블러(blur) 현상을 제거하는 화질 개선 단계를 더 포함하는 것을 특징으로 하는 머신러닝 기반 영상의 장애물 제거 방법
|