1 |
1
비최대억제방법을 호출하는 함수 nmax_suppr()의 입력 와 을 입력받아 비최대억제방법을 수행하여 추정된 객체후보 박스 집합 을 출력하는 비최대억제방법 수행부;상기 비최대억제방법 수행부에서 출력되는 집합 에서 중첩된 박스의 개수를 구하는 중첩 박스 확인부;겹친영역의 개수를 고려하여 kmeans 집단화를 수행하기 위한 집단수를 결정하는 집단수 결정부;상기 집단수 결정부에서 결정된 집단수를 이용하여 에 대하여 집단화를 kmeans 알고리듬을 사용하여 수행하는 집단화 수행부;집단화 수행부에서의 k개의 집단에 대하여 집단별 박스 개수로부터 그룹별 임계값을 결정하는 그룹별 임계값 결정부;각 그룹에 대하여 그룹별 임계값 결정부에서 결정된 임계값을 이용하여 비최대억제방법을 시행하고, 그 결과를 모두 합하여 최종 탐지객체박스를 결정하는 탐지객체박스 결정부;를 포함하는 것을 특징으로 하는 적응적 비최대억제 방법을 이용하는 딥러닝기반 영상객체 탐지를 위한 장치
|
2 |
2
제 1 항에 있어서, 상기 비최대억제방법을 호출하는 함수 nmax_suppr()의 입력 와 은,각각 객체 후보 박스들의 집합 {Bi}, 집합 의 후보 박스들의 개수인 것을 특징으로 하는 적응적 비최대억제 방법을 이용하는 딥러닝기반 영상객체 탐지를 위한 장치
|
3 |
3
제 2 항에 있어서, 각각 객체 후보 박스들의 집합 {Bi}는,CNN의 결과 i-번째 객체후보 박스, 박스의 크기와 중심좌표와 크기, 그리고 CNN 출력값 정보로 구성되고,여기서, 는 박스의 x,y축 좌표, 는 x,y축상의 크기 그리고 는 CNN 신경망의 출력값인 것을 특징으로 하는 적응적 비최대억제 방법을 이용하는 딥러닝기반 영상객체 탐지를 위한 장치
|
4 |
4
제 3 항에 있어서, CNN의 결과를 출력하기 위한 딥러닝 신경망 학습을 위하여,인간객체 및 비인간객체 샘플 데이터베이스를 구축하여 CNN(Convolutional Neural Network)의 파라미터를 학습하고 그 결과를 저장하고,다음 입력영상이 들어오면 다중-스케일 탐색(multi-scale search)를 통하여 후보 윈도우 박스 영역의 영상을 CNN 구조에 입력하여 출력값을 계산하는 것을 특징으로 하는 적응적 비최대억제 방법을 이용하는 딥러닝기반 영상객체 탐지를 위한 장치
|
5 |
5
제 4 항에 있어서, 슬라이딩 윈도우(박스)의 크기는 고정하고, 입력영상을 스케일-공간 피라미드로 변환하면서, 박스영역의 입력영상을 CNN 분류기에 입력하면,입력 영상에 대하여 실제 인간객체마다 다수의 후보 박스들이 발생하게 되고, 얻어지는 정보는 박스의 위치 정보와 크기정보인 것을 특징으로 하는 적응적 비최대억제 방법을 이용하는 딥러닝기반 영상객체 탐지를 위한 장치
|
6 |
6
비최대억제방법을 호출하는 함수 nmax_suppr()의 입력 와 을 입력받아 비최대억제방법을 수행하여 추정된 객체후보 박스 집합 을 출력하는 비최대억제방법 수행 단계;상기 비최대억제방법 수행 단계에서 출력되는 집합 에서 중첩된 박스의 개수를 구하는 중첩 박스 확인 단계;겹친영역의 개수를 고려하여 kmeans 집단화를 수행하기 위한 집단수를 결정하는 집단수 결정 단계;상기 집단수 결정 단계에서 결정된 집단수를 이용하여 에 대하여 집단화를 kmeans 알고리듬을 사용하여 수행하는 집단화 수행 단계;집단화 수행 단계에서의 k개의 집단에 대하여 집단별 박스 개수로부터 그룹별 임계값을 결정하는 그룹별 임계값 결정 단계;각 그룹에 대하여 그룹별 임계값 결정 단계에서 결정된 임계값을 이용하여 비최대억제방법을 시행하고, 그 결과를 모두 합하여 최종 탐지객체박스를 결정하는 탐지객체박스 결정 단계;를 포함하는 것을 특징으로 하는 적응적 비최대억제 방법을 이용하는 딥러닝기반 영상객체 탐지를 위한 방법
|
7 |
7
제 6 항에 있어서, 상기 비최대억제방법을 호출하는 함수 nmax_suppr()의 입력 와 은,각각 객체 후보 박스들의 집합 {Bi}, 집합 의 후보 박스들의 개수인 것을 특징으로 하는 적응적 비최대억제 방법을 이용하는 딥러닝기반 영상객체 탐지를 위한 방법
|
8 |
8
제 7 항에 있어서, 각각 객체 후보 박스들의 집합 {Bi}는,CNN의 결과 i-번째 객체후보 박스, 박스의 크기와 중심좌표와 크기, 그리고 CNN 출력값 정보로 구성되고,여기서, 는 박스의 x,y축 좌표, 는 x,y축상의 크기 그리고 는 CNN 신경망의 출력값인 것을 특징으로 하는 적응적 비최대억제 방법을 이용하는 딥러닝기반 영상객체 탐지를 위한 방법
|
9 |
9
제 6 항에 있어서, 집단수 결정 단계에서,집합 에 대하여 영역이 중첩된 후보박스의 개수 을 이용하여 집단화를 시행하기 위한 집단수 를,으로 결정하는 것을 특징으로 하는 적응적 비최대억제 방법을 이용하는 딥러닝기반 영상객체 탐지를 위한 방법
|
10 |
10
제 9 항에 있어서, 집단수 결정이 이루어지면 와 를 이용하여 집단화를 k-means방법을 사용하여 집단화 결과 를 출력하고,각 그룹 에 대하여 임계값을 결정하는 것을 특징으로 하는 적응적 비최대억제 방법을 이용하는 딥러닝기반 영상객체 탐지를 위한 방법
|
11 |
11
제 10 항에 있어서, 각 그룹 에 대하여 임계값을 결정하기 위하여 박스밀집도를 으로 계산하고,임계값을,if , else 으로 계산하고, 여기서 는 문제에 따라 결정되는 고정 임계값인 것을 특징으로 하는 적응적 비최대억제 방법을 이용하는 딥러닝기반 영상객체 탐지를 위한 방법
|