| 1 |
1
SAR(Synthetic Aperture Radar)영상 생성을 위한 뉴럴 네트워크 학습 방법으로서,상기 뉴럴 네트워크 학습 방법은 프로세서에서 수행되고,원시 에코 데이터, 주파수 정보 및 기하 정보를 포함하는 제1 데이터를 뉴럴 네트워크에 입력하는 단계;상기 뉴럴 네트워크를 통해 제1 영상을 생성하는 단계;상기 제1 데이터를 기초로 SAR영상 생성 알고리즘을 수행하여 상기 뉴럴 네트워크의 라벨 데이터(label data)에 상응하는 제2 영상을 생성하는 단계; 및상기 생성된 제1 영상 및 제2 영상을 이용하여 상기 뉴럴 네트워크를 학습시키는 단계를 포함하는, 뉴럴 네트워크 학습 방법
|
| 2 |
2
제 1 항에 있어서,상기 뉴럴 네트워크를 학습시키는 단계는손실 함수를 계산하는 단계를 더 포함하고, 상기 손실 함수는상기 제1 영상 및 상기 제2 영상의 차이의 절댓값에 소정의 상수를 합하고,상기 절댓값과 상기 소정의 상수의 합을 거듭제곱한 것으로 구성되는,뉴럴 네트워크 학습 방법
|
| 3 |
3
제 2 항에 있어서,상기 손실함수는 하기 수학식에 의해 계산되고,[수학식]상기 를 에서 에 가깝게 소정의 임계값 만큼씩 감소시키면서 학습하는 단계를 포함하는, 뉴럴 네트워크 학습 방법
|
| 4 |
4
제 1 항에 있어서,상기 제1 영상을 생성하는 단계는,상기 원시 에코 데이터를 제1 인코더에 의해 제2 데이터로 변환하는 단계;상기 주파수 및 기하 정보를 제2 인코더에 의해 제3 데이터로 변환하는 단계;상기 제2 데이터 및 제3 데이터를 융합하여 제4 데이터를 생성하는 단계; 및상기 제4 데이터를 디코더에 의해 상기 제1 영상으로 변환하는 단계를 포함하는, 뉴럴 네트워크 학습 방법
|
| 5 |
5
제 4 항에 있어서,상기 제1 인코더는 허수부 컨볼루션 커널 및 실수부 컨볼루션 커널을 포함하는, 뉴럴 네트워크 학습 방법
|
| 6 |
6
제 4 항에 있어서,상기 제4 데이터를 생성하는 단계는, 상기 제2 데이터 및 제3 데이터에 소정의 가중치를 각각 곱하여 합하는 단계를 포함하는, 뉴럴 네트워크 학습 방법
|
| 7 |
7
제 1항에 있어서상기 SAR영상 생성 알고리즘은 역투영 알고리즘(Backprojection algorithm)인, 뉴럴 네트워크 학습 방법
|
| 8 |
8
뉴럴 네트워크를 이용한 SAR 영상 생성 방법으로서,상기 SAR 영상 생성 방법은 프로세서에서 수행되고,제 1 항에 따라 학습된 뉴럴 네트워크에 원시 에코 데이터, 주파수 정보 및 기하 정보를 포함하는 제1 데이터를 입력하는 단계; 및상기 학습된 뉴럴 네트워크를 통해 상기 제1 데이터에 상응하는 SAR 영상을 생성하는 단계를 포함하는 뉴럴 네트워크를 이용한 SAR 영상 생성 방법
|
| 9 |
9
제 1 항 내지 제 8 항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체
|
| 10 |
10
뉴럴 네트워크 학습 장치로서,메모리; 및프로세서를 포함하고,상기 프로세서는,원시 에코 데이터, 주파수 정보 및 기하 정보를 포함하는 제1 데이터를 뉴럴 네트워크에 입력하고, 상기 뉴럴 네트워크를 통해 제1 영상을 생성하고, 상기 제1 데이터를 기초로 SAR영상 생성 알고리즘을 수행하여 상기 뉴럴 네트워크의 라벨 데이터(label data)에 상응하는 제2 영상을 생성하고, 상기 생성된 제1 영상 및 제2 영상을 이용하여 상기 뉴럴 네트워크를 학습시키는, 뉴럴 네트워크 학습 장치
|
| 11 |
11
뉴럴 네트워크를 이용한 SAR 영상 생성 장치로서,메모리; 및프로세서를 포함하고,상기 프로세서는,제 1 항에 따라 학습된 뉴럴 네트워크에 원시 에코 데이터, 주파수 정보 및 기하 정보를 포함하는 제1 데이터를 입력하고, 상기 학습된 뉴럴 네트워크를 통해 상기 제1 데이터에 상응하는 SAR 영상을 생성하는 뉴럴 네트워크를 이용한 SAR 영상 생성 장치
|
