| 1 |
1
인공신경망을 학습시키기 위한 레이블을 포함하는 학습 데이터를 생성하기 위한 장치에 있어서, 객체의 영상인 원본 데이터에 상기 객체를 식별하는 클래스와 상기 객체가 상기 영상에서 차지하는 영역인 영역상자의 좌표로 이루어진 레이블이 부여된 1차 데이터를 입력 받고, 영상 처리(Image Processing)를 통해 상기 1차 데이터의 객체를 기 설정된 규칙에 따라 변환하여 2차 데이터의 객체를 생성하는 영상처리모듈; 상기 변환된 2차 데이터의 객체의 영역상자의 좌표를 검출하고, 상기 1차 데이터의 클래스 및 상기 검출된 2차 데이터의 객체의 영역상자의 좌표로 이루어진 2차 데이터의 레이블을 생성하는 레이블생성모듈; 및 상기 1차 데이터 및 상기 2차 데이터를 이용하여 상기 기 설정된 규칙에 따라 상기1차 데이터를 변환하여 상기 2차 데이터를 모사하는 3차 데이터를 생성하도록 생성자와 판별자를 포함하는 인공신경망을 학습시키는 학습모듈;을 포함하며, 상기 인공신경망의 학습이 완료된 후, 상기 인공신경망은 1차 데이터가 입력되면, 상기 기 설정된 규칙에 따라 상기 입력된 1차 데이터로부터 3차 데이터를 생성하고, 상기 인공신경망은 상기 규칙에 따라 상기 1차 데이터의 레이블을 변환하여 상기 2차 데이터의 레이블을 모사하는 3차 데이터의 레이블을 생성하는 레이블생성자; 및 상기 1차 데이터의 객체가 입력되면, 상기 규칙에 따라 상기 1차 데이터의 객체를 변환하여 상기 생성된 3차 데이터의 레이블의 영역상자의 내부에 포함되면서 상기 2차 데이터의 객체를 모사하는 상기 3차 데이터의 객체를 생성하는 객체생성자;를 포함하는 것을 특징으로 하는 학습 데이터를 생성하기 위한 장치
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
삭제
|
| 5 |
5
제1항에 있어서, 상기 학습모듈은 상기 판별자가 상기 2차 데이터를 진짜로 판별하고, 상기 생성자가 생성한 3차 데이터를 가짜로 판별하도록 상기 판별자를 학습시키고, 상기 판별자가 상기 3차 데이터를 진짜로 판별하도록 상기 생성자를 학습시키는 것을 특징으로 하는 학습 데이터를 생성하기 위한 장치
|
| 6 |
6
제5항에 있어서, 상기 학습모듈은 상기 판별자가 2차 데이터를 진짜로 판별하고 3차 데이터를 가짜로 판별하도록 기댓값을 설정한 후, 상기 판별자가 상기 2차 데이터 및 상기 3차 데이터 각각이 진짜인지 혹은 가짜인지 여부를 나타내는 확률을 산출하면, 상기 2차 데이터 및 상기 3차 데이터 각각에 대해 상기 산출된 확률과 상기 기댓값과의 차이를 나타내는 손실을 도출하고, 상기 2차 데이터 및 상기 3차 데이터 양자 모두에 대한 손실을 합산하고, 합산된 손실이 최소가 되도록 상기 생성자의 가중치는 고정하고 상기 판별자의 가중치를 최적화함으로써 상기 판별자를 학습시키는 것을 특징으로 하는 학습 데이터를 생성하기 위한 장치
|
| 7 |
7
제5항에 있어서, 상기 학습모듈은 상기 학습모듈이 상기 판별자가 3차 데이터를 진짜로 판별하도록 기댓값을 설정한 후, 상기 판별자가 상기 3차 데이터가 진짜인지 혹은 가짜인지 여부를 나타내는 확률을 산출하면, 상기 산출된 확률과 상기 기댓값과의 차이를 나타내는 손실을 도출하고, 상기 손실이 최소가 되도록 상기 판별자의 가중치는 고정하고 상기 생성자의 가중치를 최적화함으로써 상기 생성자를 학습시키는 것을 특징으로 하는 학습 데이터를 생성하기 위한 장치
|
| 8 |
8
인공신경망을 학습시키기 위한 레이블을 포함하는 학습 데이터를 생성하기 위한 장치에 있어서, 객체 및 레이블을 포함하는1차 데이터를 영상 처리(Image Processing)를 통해 기 설정된 규칙에 따라 변환하여 객체 및 레이블을 포함하는 2차 데이터를 생성하는 제1 데이터처리부; 및 상기1차 데이터를 상기 규칙에 따라 변환하여 상기 2차 데이터를 모사하는 3차 데이터를 생성하는 인공신경망;을 포함하며, 상기 인공신경망은 상기 규칙에 따라 상기 1차 데이터의 레이블을 변환하여 상기 2차 데이터의 레이블을 모사하는 3차 데이터의 레이블을 생성하는 레이블생성자와, 상기 1차 데이터의 객체가 입력되면, 상기 규칙에 따라 상기 1차 데이터의 객체를 변환하여 상기 생성된 3차 데이터의 레이블의 영역상자의 내부에 포함되면서 상기 2차 데이터의 객체를 모사하는 상기 3차 데이터의 객체를 생성하는 객체생성자를 포함하는 생성자;를 포함하는 것을 특징으로 하는 학습 데이터를 생성하기 위한 장치
|
| 9 |
9
삭제
|
| 10 |
10
제8항에 있어서, 상기 인공신경망은 판별자;를 더 포함하며, 상기 장치는 상기 판별자가 상기 2차 데이터를 진짜로 판별하고 상기 생성자가 생성한 3차 데이터를 가짜로 판별하도록 상기 생성자의 가중치를 고정하고 상기 판별자의 가중치를 최적화하여 상기 판별자를 학습시키고, 상기 판별자가 상기 3차 데이터를 진짜로 판별하도록 상기 판별자의 가중치를 고정하고 상기 생성자의 가중치를 최적화하여 상기 생성자를 학습시키는 학습모듈;을 더 포함하는 것을 특징으로 하는 학습 데이터를 생성하기 위한 장치
|
| 11 |
11
인공신경망을 학습시키기 위한 레이블을 포함하는 학습 데이터를 생성하기 위한 방법에 있어서, 영상처리모듈이 객체의 영상인 원본 데이터에 상기 객체를 식별하는 클래스와 상기 객체가 상기 영상에서 차지하는 영역인 영역상자의 좌표로 이루어진 레이블이 부여된 1차 데이터를 입력 받는 단계; 상기 영상처리모듈이 영상 처리(Image Processing)를 통해 상기 1차 데이터의 객체를 기 설정된 규칙에 따라 변환하여 2차 데이터의 객체를 생성하는 단계; 레이블생성모듈이 상기 변환된 2차 데이터의 객체의 영역상자의 좌표를 검출하는 단계; 및 상기 레이블생성모듈이 상기 1차 데이터의 객체의 클래스 및 상기 검출된 2차 데이터의 객체의 영역상자의 좌표로 이루어진 2차 데이터의 레이블을 생성하는 단계;학습모듈이 상기 1차 데이터 및 상기 2차 데이터를 이용하여 상기 기 설정된 규칙에 따라 상기 1차 데이터를 변환하여 상기 2차 데이터를 모사하는 3차 데이터를 생성하도록 생성자와 판별자를 포함하는 인공신경망을 학습시키는 단계; 및 상기 인공신경망의 학습이 완료된 후, 1차 데이터가 입력되면, 상기 인공신경망이 상기 기 설정된 규칙에 따라 상기 입력된 1차 데이터로부터 3차 데이터를 생성하는 단계;를 포함하며, 상기 3차 데이터를 생성하는 단계는 상기 인공신경망의 레이블생성자가 상기 규칙에 따라 상기 1차 데이터의 레이블을 변환하여 상기 2차 데이터의 레이블을 모사하는 3차 데이터의 레이블을 생성하는 단계; 및 상기 인공신경망의 객체생성자가 상기 1차 데이터의 객체가 입력되면, 상기 규칙에 따라 상기 1차 데이터의 객체를 변환하여 상기 생성된 3차 데이터의 레이블의 영역상자의 내부에 포함되면서 상기 2차 데이터의 객체를 모사하는 상기 3차 데이터의 객체를 생성하는 단계;를 포함하는 것을 특징으로 하는 학습 데이터를 생성하기 위한 방법
|
| 12 |
12
삭제
|
| 13 |
13
삭제
|
| 14 |
14
삭제
|
| 15 |
15
제11항에 있어서, 상기 인공신경망을 학습시키는 단계는 상기 학습모듈이 상기 판별자가 상기 2차 데이터를 진짜로 판별하고, 상기 생성자가 생성한 3차 데이터를 가짜로 판별하도록 상기 판별자를 학습시키는 단계; 및 상기 학습모듈이 상기 판별자가 상기 3차 데이터를 진짜로 판별하도록 상기 생성자를 학습시키는 단계;를 포함하는 것을 특징으로 하는 학습 데이터를 생성하기 위한 방법
|
| 16 |
16
제15항에 있어서, 상기 판별자를 학습시키는 단계는 상기 학습모듈이 상기 판별자가 2차 데이터를 진짜로 판별하고, 3차 데이터를 가짜로 판별하도록 기댓값을 설정하는 단계; 상기 판별자가 상기 2차 데이터 및 상기 3차 데이터 각각이 진짜인지 혹은 가짜인지 여부를 나타내는 확률을 산출하는 단계; 상기 2차 데이터 및 상기 3차 데이터 각각에 대해 상기 산출된 확률과 상기 기댓값과의 차이를 나타내는 손실을 도출하는 단계; 상기 2차 데이터 및 상기 3차 데이터 양자 모두에 대한 손실을 합산하고, 합산된 손실이 최소가 되도록 상기 생성자의 가중치는 고정하고 상기 판별자의 가중치를 최적화하는 단계;를 포함하는 것을 특징으로 하는 학습 데이터를 생성하기 위한 방법
|
| 17 |
17
제15항에 있어서, 상기 생성자를 학습시키는 단계는 상기 학습모듈이 상기 판별자가 3차 데이터를 진짜로 판별하도록 기댓값을 설정하는 단계; 상기 판별자가 상기 3차 데이터가 진짜인지 혹은 가짜인지 여부를 나타내는 확률을 산출하는 단계; 상기 산출된 확률과 상기 기댓값과의 차이를 나타내는 손실을 도출하는 단계; 상기 손실이 최소가 되도록 상기 판별자의 가중치는 고정하고 상기 생성자의 가중치를 최적화하는 단계;를 포함하는 것을 특징으로 하는 학습 데이터를 생성하기 위한 방법
|
| 18 |
18
제11항, 제15항, 제16항 및 제17항 중 어느 한 항에 따른 학습 데이터를 생성하기 위한 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체
|
