| 1 |
1
동영상의 현재 프레임에서, 타겟 추적 객체에 대한 경계 상자를 입력받는 단계;훈련 객체가 포함된 이미지 및 상기 훈련 객체의 경계선이 포함된 제1훈련 데이터에 기반하여 학습된 인공 신경망을 이용하여, 상기 현재 프레임에서 상기 타겟 추적 객체의 형상을 예측하는 단계; 상기 예측 결과에 기반하여, 상기 인공 신경망을 재학습하는 단계; 및상기 재학습된 인공 신경망을 이용하여, 다음 프레임에서 상기 타겟 추적 객체의 형상을 예측하는 단계를 포함하는 동영상에서 객체 추적 방법
|
| 2 |
2
제 1항에 있어서,상기 타겟 추적 객체의 형상을 예측하는 단계는상기 경계 상자의 내부 영역에서, 상기 타겟 추적 객체의 형상을 예측하는동영상에서 객체 추적 방법
|
| 3 |
3
제 2항에 있어서,상기 타겟 추적 객체의 형상을 예측하는 단계는상기 현재 프레임에서 상기 경계 상자의 외부 영역에 대한 화소값을 0으로 처리하는 단계; 및상기 처리된 현재 프레임에서, 상기 타겟 추적 객체의 형상을 예측하는 단계를 포함하는 동영상에서 객체 추적 방법
|
| 4 |
4
제 1항에 있어서,상기 인공 신경망을 재학습하는 단계는상기 현재 프레임에서 예측된 상기 타겟 추적 객체의 형상이 포함된 제2훈련 데이터에 기반하여, 상기 인공 신경망을 재학습하는동영상에서 객체 추적 방법
|
| 5 |
5
제 4항에 있어서,상기 경계 상자를 입력받는 단계는상기 경계 상자 및 상기 타겟 추적 객체 상에 표시된 상기 타겟 추적 객체 영역의 일부 영역을 입력받으며,상기 인공 신경망을 재학습하는 단계는상기 현재 프레임에서 예측된 형상 및 상기 일부 영역의 형상을 이용하여, 상기 인공 신경망을 재학습하는동영상에서 객체 추적 방법
|
| 6 |
6
제 1항에 있어서,상기 타겟 추적 객체는상기 훈련 객체에 포함되지 않는 새로운 객체인동영상에서 객체 추적 방법
|
| 7 |
7
동영상의 현재 프레임에서, 타겟 추적 객체에 대한 경계 상자 및 상기 타겟 추적 객체 상에 표시된 상기 타겟 추적 객체 영역의 일부 영역을 입력받는 단계;훈련 객체가 포함된 이미지 및 상기 훈련 객체의 경계선이 포함된 훈련 데이터에 기반하여 학습된 인공 신경망을 이용하여, 상기 현재 프레임에서 상기 타겟 추적 객체의 형상을 예측하는 단계; 및상기 현재 프레임에서 예측된 형상 및 상기 일부 영역의 형상을 이용하여, 상기 인공 신경망을 반복적으로 재학습하는 단계를 포함하는 동영상에서 객체 추적을 위한 학습 방법
|
