| 1 |
1
경량 심층신경망 기반의 영상 인식 장치에 있어서,입력 이미지를 촬영하는 카메라 센서; 및상기 입력 이미지를 분석하는 영상 처리 보드;를 포함하고,상기 영상 처리 보드는,심층신경망 학습 모델에 따른 심층신경망에 기반하여 상기 입력 이미지를 분석하고 적어도 하나의 객체를 검출하는 객체검출부; 및상기 적어도 하나의 객체를 추적하여 객체 정보를 추출하는 객체정보부를 포함하는 영상 인식 장치
|
| 2 |
2
제 1 항에 있어서,상기 심층신경망은,적어도 하나의 계층 및 각 계층별 필터를 포함하고,각 계층에 대한 입력특징맵 및 상기 계층별 필터를 컨볼루션 연산하여 각 계층에 대한 출력특징맵을 계산하는 컨볼루션 신경망인, 영상 인식 장치
|
| 3 |
3
제 2 항에 있어서,상기 컨볼루션 연산은, 상기 입력특징맵의 채널별로 컨볼루션 연산을 수행하는 깊이별 컨볼루션(depthwise convolution) 및 상기 입력특징맵의 위치별로 컨볼루션 연산을 수행하는 위치별 컨볼루션(pointwise convolution)을 분리하여 계산하는, 영상 인식 장치
|
| 4 |
4
제 2 항에 있어서,상기 입력특징맵 및 상기 계층별 필터는 바이너리 형식으로 표현되고,상기 심층신경망은 바이너리 연산 기반의 컨볼루션 신경망인, 영상 인식 장치
|
| 5 |
5
제 2 항에 있어서,상기 심층신경망의 계층별 필터는 상기 심층신경망 학습 모델에 따라 초기화되는, 영상 인식 장치
|
| 6 |
6
제 2 항에 있어서
|
| 7 |
7
제 1 항에 있어서,상기 영상 처리 보드는, GPU, DSP, FPGA 및 CPU 중 적어도 하나를 포함하고,상기 객체검출부는 GPU, DSP, FPGA, 또는 CPU에서 실행되는, 영상 인식 장치
|
| 8 |
8
제 1 항에 있어서,상기 카메라 센서는 단위시간마다 일련의 입력 이미지를 촬영하고,상기 객체정보부는 상기 적어도 하나의 객체의 각각에 대하여 객체 ID를 부여하고, 상기 일련의 입력 이미지 안에서 상기 객체 ID 별로 상기 객체 정보를 추출하는, 영상 인식 장치
|
| 9 |
9
제 8 항에 있어서,상기 객체 정보는, 상기 객체의 움직임을 추적하는 추적 정보를 포함하고,상기 객체정보부는, 상기 추적 정보를 활용하여 상기 단위 시간에 발생한 이벤트를 탐지하는, 영상 인식 장치
|
| 10 |
10
제 1 항에 있어서,상기 영상 처리 보드는 상기 카메라 센서와 일체형으로 구성되는, 영상 인식 장치
|
| 11 |
11
경량 심층신경망 기반의 영상 인식 방법에 있어서,이미지를 입력받는 단계;적어도 하나의 계층 및 계층별 필터를 포함하는 심층신경망에 기반하여 상기 이미지를 분석하고 적어도 하나의 객체를 검출하는 단계; 및상기 적어도 하나의 객체를 추적하여 객체 정보를 추출하는 단계를 포함하는 영상 인식 방법
|
| 12 |
12
제 11 항에 있어서,상기 객체를 검출하는 단계는,각 계층에 대한 입력특징맵 및 상기 계층별 필터를 컨볼루션 연산하여 각 계층에 대한 출력특징맵을 계산하는 단계를 포함하는, 영상 인식 방법
|
| 13 |
13
제 12 항에 있어서,상기 계산하는 단계는,상기 입력특징맵의 채널별로 컨볼루션 연산을 수행하는 깊이별 컨볼루션을 수행하는 단계; 및상기 입력특징맵의 위치별로 컨볼루션 연산을 수행하는 위치별 컨볼루션을 수행하는 단계를 포함하는, 영상 인식 방법
|
| 14 |
14
제 11 항에 있어서,상기 이미지를 입력받는 단계는 단위시간마다 촬영된 일련의 이미지를 입력 받으며,상기 객체 정보를 추출하는 단계는,상기 적어도 하나의 객체의 각각에 대하여 객체 ID를 부여하고, 상기 일련의 이미지 안에서 상기 객체 ID 별로 상기 객체 정보를 추출하는, 영상 인식 방법
|
| 15 |
15
제 11 항에 있어서,상기 객체 정보를 네트워크를 통해 관제 센터에 전송하는 단계를 더 포함하는, 영상 인식 방법
|
