1 |
1
입력된 이미지에서 객체를 분류하고, 라벨링(Labeling) 하여 의미적인 분할 이미지를 획득하는 의미적인 분할(Semantic segmentation) 이미지 획득 단계(S10);다양한 확장 비율을 통해 공간 정보를 유지하며 같은 연산량으로 특징점을 추출하는 아트로스 컨볼루션(Atrous convolution)과, 입력 이미지에서 전체 이미지에 대한 공간영역의 특징을 보존하면서 선택적으로 중요 특징만 추출해 특징점 맵을 생성하는 확장 잔여 네트워크(DRN, Dilated Residual Network)를 이용하여 상기 이미지 획득 단계(S10)로부터 획득된 이미지에서 특징점 맵(feature map)을 추출하는 변형된 확장 잔여 네트워크(DRN, Dilated Residual Network) 단계(S20); 및이미지에서 차지하는 영역이 작은 객체를 효과적으로 추출하기 위해 추출된 특징점 맵에 따라 선택적으로 다양한 아트로스 컨볼루션(Atrous convolution)을 적용하고, 마지막에 상기 변형된 확장 잔여 네트워크 단계(S20)에서 추출된 특징점 맵에 이미지 풀링을 적용하여 아트로스 컨볼루션을 병렬적으로 배치하며, 병렬 배치된 아트로스 컨볼루션에서 추출된 특징점 맵을 피라미드 형태로 쌓고 1x1 컨볼루션을 적용하여 1채널 특징점 맵을 추출하는 아트로스 피라미드 풀링 모듈(Atrous Pyramid Pooling Module) 단계(S30)를 포함하는 AR에 적용 가능한 의미적인 분할 방법
|
2 |
2
제1항에 있어서,상기 아트로스 피라미드 풀링 모듈 단계(S30)를 통해 추출된 결과와 미리 설정된 표준 데이터베이스에서 제공하는 결과 이미지를 비교하고, 비교 결과를 토대로 판단하여 오차율을 줄이기 위해 가중치를 수정하는 변형된 확장 잔여 네트워크 역전파(Dilated Residual Network Backpropagation) 단계(S40)를 더 포함하는 AR에 적용 가능한 의미적인 분할 방법
|
3 |
3
제1항에 있어서,상기 아트로스 피라미드 풀링 모듈 단계(S30)는 아트로스 피라미드 풀링 모듈 단계(S30)에서 추출된 특징점 맵을 피라미드 형상으로 적층하고,상기 피라미드 형상으로 형성된 특징점 맵을 1x1 컨볼루션을 적용하여 1채널의 특징점 맵으로 형성하는 것을 특징으로 하는 AR에 적용 가능한 의미적인 분할 방법
|
4 |
4
제3항에 있어서,미리 설정된 기준치 이하로 크기가 작은 특징점 맵은 업샘플링(up-sampling)을 통해 크기를 동일하게 조절하는 것을 특징으로 하는 AR에 적용 가능한 의미적인 분할 방법
|
5 |
5
삭제
|
6 |
6
이미지 정보를 입력받는 영상 입력부;상기 영상 입력부를 통해 입력받은 이미지 정보에서 객체를 분류하고, 분류된 객체를 라벨링(Labeling) 하여 의미적인 분할(Semantic segmentation) 이미지를 획득하는 분할 이미지 획득부;다양한 확장 비율을 통해 공간 정보를 유지하며 같은 연산량으로 특징점을 추출하는 아트로스 컨볼루션(Atrous convolution)과, 입력 이미지에서 전체 이미지에 대한 공간영역의 특징을 보존하면서 선택적으로 중요 특징만 추출해 특징점 맵을 생성하는 확장 잔여 네트워크(DRN, Dilated Residual Network)를 이용하여 상기 분할 이미지 획득부를 통해 획득된 이미지에서 특징점 맵(feature map)을 추출하는 확장 잔여 네트워크 모듈;이미지에서 차지하는 영역이 작은 객체를 효과적으로 추출하기 위해 상기 확장 잔여 네트워크 모듈에서 추출된 특징점 맵에 따라 선택적으로 다양한 아트로스 컨볼루션(Atrous convolution)을 적용하고, 마지막에 상기 확장 잔여 네트워크 모듈에서 추출된 특징점 맵에 이미지 풀링을 적용하여 아트로스 컨볼루션을 병렬적으로 배치하며, 병렬 배치된 아트로스 컨볼루션에서 추출된 특징점 맵을 피라미드 형태로 쌓고 1x1 컨볼루션을 적용하여 1채널 특징점 맵을 추출하는 아트로스 피라미드 풀링 모듈; 및상기 아트로스 피라미드 풀링 모듈에서 추출된 결과와 미리 설정된 표준 데이터베이스에서 제공하는 결과 이미지를 비교하고, 비교 결과를 토대로 판단하여 오차율을 줄이기 위해 가중치를 수정하는 판단부를 포함하는 AR에 적용 가능한 의미적인 분할 시스템
|
7 |
7
제6항에 있어서,상기 판단부는 이미지의 비교 결과 미리 설정된 오차 기준값 이상의 오차율이 발생하면 상기 확장 잔여 네트워크 모듈에서 수행하는 아트로스 컨볼루션(Atrous convolution)의 가중치를 수정하여 이미지의 특징점 맵(feature map)을 다시 추출하는 것을 특징으로 하는 AR에 적용 가능한 의미적인 분할 시스템
|