| 1 |
1
머신러닝 기반으로 사전 학습된 모델에 따라 입력 영상을 분석하여 상기 입력 영상에 나타난 적어도 하나의 대상에 대해 가우시안 분포를 나타내는 가우시안 커널을 각각 대응시켜 출력 영상에 상기 가우시안 커널을 생성하는 영상 분석부, 그리고상기 가우시안 커널이 표현된 출력 영상의 데이터 값을 합산하여 상기 입력 영상 내의 대상의 개수를 계산하는 대상 계수부를 포함하는 머신러닝 기반 영상 내의 대상 카운팅 장치
|
| 2 |
2
제1항에서,상기 가우시안 커널의 크기는 상기 입력 영상 내의 대상 간의 거리에 따라 결정되는 것을 특징으로 하는 머신러닝 기반 영상 내의 대상 카운팅 장치
|
| 3 |
3
제1항에서,상기 가우시안 커널의 지름은 상기 입력 영상 내의 대상 간의 최소 거리와 같거나 작게 설정되는 것을 특징으로 하는 머신러닝 기반 영상 내의 대상 카운팅 장치
|
| 4 |
4
제1항에서,상기 가우시안 커널의 합은 1인 것을 특징으로 하는 머신러닝 기반 영상 내의 대상 카운팅 장치
|
| 5 |
5
제1항에서,상기 출력 영상의 데이터 값을 합산한 값에서 가까운 자연수가 상기 입력 영상 내의 대상의 개수인 것을 특징으로 하는 머신러닝 기반 영상 내의 대상 카운팅 장치
|
| 6 |
6
제1항에서, 상기 대상 계수부에서 계산한 대상의 개수와 k-평균 알고리즘을 이용하여 최초 k개의 중심 값을 임의로 선택한 후 각 개별 데이터 간의 거리를 측정하여 중심 값을 가장 가까운 클러스터에 할당하고 각 클러스터마다 새로운 중심 값을 계산하는 과정을 반복하면서 새로 선택한 중심 값에 변화가 없다면 그 중심 값을 군집의 중심 위치로 결정하는 방식으로 상기 입력 영상 내의 대상의 위치를 계산하는 위치 계산부를 더 포함하는 것을 특징으로 하는 머신러닝 기반 영상 내의 대상 카운팅 장치
|
| 7 |
7
영상 내의 대상 카운팅 장치에서 머신러닝 기반으로 대상을 카운팅하는 방법에 있어서,머신러닝 기반으로 사전 학습된 모델에 따라 입력 영상을 분석하여 상기 입력 영상에 나타난 적어도 하나의 대상에 대해 가우시안 분포를 나타내는 가우시안 커널을 각각 대응시켜 출력 영상에 상기 가우시안 커널을 생성하는 출력 영상 생성 단계, 그리고상기 가우시안 커널이 표현된 출력 영상의 데이터 값을 합산하여 상기 입력 영상 내의 대상의 개수를 계산하는 대상 계수 단계를 포함하는 머신러닝 기반 영상 내의 대상 카운팅 방법
|
| 8 |
8
제7항에서, 상기 가우시안 커널의 크기는 상기 입력 영상 내의 대상 간의 거리에 따라 결정되는 것을 특징으로 하는 머신러닝 기반 영상 내의 대상 카운팅 방법
|
| 9 |
9
제7항에서, 상기 가우시안 커널의 지름은 상기 입력 영상 내의 대상 간의 최소 거리와 같거나 작게 설정되는 것을 특징으로 하는 머신러닝 기반 영상 내의 대상 카운팅 방법
|
| 10 |
10
제7항에서,상기 가우시안 커널의 합은 1인 것을 특징으로 하는 머신러닝 기반 영상 내의 대상 카운팅 방법
|
| 11 |
11
제7항에서,상기 출력 영상의 데이터 값을 합산한 값에서 가까운 자연수가 상기 입력 영상 내의 대상의 개수인 것을 특징으로 하는 머신러닝 기반 영상 내의 대상 카운팅 방법
|
| 12 |
12
제7항에서, 상기 대상 계수 단계에서 계산한 대상의 개수와 k-평균 알고리즘을 이용하여 최초 k개의 중심 값을 임의로 선택한 후 각 개별 데이터 간의 거리를 측정하여 중심 값을 가장 가까운 클러스터에 할당하고 각 클러스터마다 새로운 중심 값을 계산하는 과정을 반복하면서 새로 선택한 중심 값에 변화가 없다면 그 중심 값을 군집의 중심 위치로 결정하는 방식으로 상기 입력 영상 내 대상의 위치를 계산하는 위치 계산 단계를 더 포함하는 것을 특징으로 하는 머신러닝 기반 영상 내의 대상 카운팅 방법
|
