| 1 |
1
위치 정보를 포함하는 지역 이미지를 복수 개 포함하는 데이터베이스부와,타겟 이미지 및 상기 복수 개의 지역 이미지 각각으로부터 특징을 추출하도록 기 학습된 특징 추출부와,상기 특징 추출부가 추출한 상기 복수 개의 지역 이미지 각각에 대한 특징과 상기 특징 추출부가 추출한 상기 타겟 이미지에 대한 특징 간의 유사도를 비교하는 유사도 비교부와,상기 유사도 비교부가 비교한 결과에 기초해서 상기 복수 개의 지역 이미지 중 어느 하나를 선별하고, 상기 선별된 지역 이미지에 포함된 위치 정보를 이용해서 상기 타겟 이미지에 대한 위치 정보를 추출하는 위치 검색결과 출력부를 포함하고,상기 특징 추출부의 학습에 이용된 입력 데이터는, 소정의 지역을 제1 시점에 촬영한 기준 이미지, 상기 지역을 상기 제1 시점과 상이한 제2 시점에 촬영한 긍정 이미지 및 상기 지역과 상이한 지역을 촬영한 부정 이미지를 포함하고, 정답 데이터는, 상기 기준 이미지에 대한 기준 특징 벡터, 상기 긍정 이미지에 대한 긍정 특징 벡터 및 상기 부정 이미지에 대한 부정 특징 벡터를 포함하며,상기 특징 추출부는, 상기 기준 특징 벡터와 상기 긍정 특징 벡터 간의 차이는 최소화시키고 상기 기준 특징 벡터와 상기 부정 특징 벡터 간의 차이는 최대화시키는 손실 함수를 이용해서 학습된 것인위치 정보 추출 장치
|
| 2 |
2
제 1 항에 있어서,상기 타겟 이미지 및 상기 복수 개의 지역 이미지 각각은, 항공기에서 촬영된 영상인위치 정보 추출 장치
|
| 3 |
3
삭제
|
| 4 |
4
제1항에 있어서,상기 특징 추출부가 추출한 특징은,상기 특징 추출부에 포함된 장단기 메모리(long-short term memory, LSTM)를 통과함으로써, 가중치가 부여된 특징인 위치 정보 추출 장치
|
| 5 |
5
위치 정보를 포함하는 지역 이미지를 복수 개 마련하는 단계와,기 학습된 머신 러닝 모델이 상기 복수 개의 지역 이미지 각각으로부터 추출한 특징을 확보하는 단계와,소정의 타겟 이미지를 입력받으면, 상기 기 학습된 머신 러닝 모델이 상기 타겟 이미지로부터 추출한 특징을 확보하는 단계와,상기 복수 개의 지역 이미지 각각에 대한 특징과 상기 타겟 이미지에 대한 특징 간의 유사도를 비교하는 단계와,상기 유사도에 대한 비교 결과에 기초해서 상기 복수 개의 지역 이미지 중 어느 하나를 선별하는 단계와,상기 선별된 지역 이미지에 포함된 위치 정보를 이용해서 상기 타겟 이미지에 대한 위치 정보를 추출하는 단계를 포함하고,상기 머신 러닝 모델의 학습에 이용된 입력 데이터는, 소정의 지역을 제1 시점에 촬영한 기준 이미지, 상기 지역을 상기 제1 시점과 상이한 제2 시점에 촬영한 긍정 이미지 및 상기 지역과 상이한 지역을 촬영한 부정 이미지를 포함하고, 정답 데이터는, 상기 기준 이미지에 대한 기준 특징 벡터, 상기 긍정 이미지에 대한 긍정 특징 벡터 및 상기 부정 이미지에 대한 부정 특징 벡터를 포함하며,상기 머신 러닝 모델은, 상기 기준 특징 벡터와 상기 긍정 특징 벡터 간의 차이는 최소화시키고 상기 기준 특징 벡터와 상기 부정 특징 벡터 간의 차이는 최대화시키는 손실 함수를 이용해서 학습된 것인위치 정보 추출 방법
|
| 6 |
6
컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,위치 정보를 포함하는 지역 이미지를 복수 개 마련하는 단계와,기 학습된 머신 러닝 모델이 상기 복수 개의 지역 이미지 각각으로부터 추출한 특징을 확보하는 단계와,소정의 타겟 이미지를 입력받으면, 상기 기 학습된 머신 러닝 모델이 상기 타겟 이미지로부터 추출한 특징을 확보하는 단계와,상기 복수 개의 지역 이미지 각각에 대한 특징과 상기 타겟 이미지에 대한 특징 간의 유사도를 비교하는 단계와,상기 유사도에 대한 비교 결과에 기초해서 상기 복수 개의 지역 이미지 중 어느 하나를 선별하는 단계와,상기 선별된 지역 이미지에 포함된 위치 정보를 이용해서 상기 타겟 이미지에 대한 위치 정보를 추출하는 단계를 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하고,상기 머신 러닝 모델의 학습에 이용된 입력 데이터는, 소정의 지역을 제1 시점에 촬영한 기준 이미지, 상기 지역을 상기 제1 시점과 상이한 제2 시점에 촬영한 긍정 이미지 및 상기 지역과 상이한 지역을 촬영한 부정 이미지를 포함하고, 정답 데이터는, 상기 기준 이미지에 대한 기준 특징 벡터, 상기 긍정 이미지에 대한 긍정 특징 벡터 및 상기 부정 이미지에 대한 부정 특징 벡터를 포함하며,상기 머신 러닝 모델은, 상기 기준 특징 벡터와 상기 긍정 특징 벡터 간의 차이는 최소화시키고 상기 기준 특징 벡터와 상기 부정 특징 벡터 간의 차이는 최대화시키는 손실 함수를 이용해서 학습된 것인컴퓨터 판독 가능한 기록매체
|
| 7 |
7
컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,위치 정보를 포함하는 지역 이미지를 복수 개 마련하는 단계와,기 학습된 머신 러닝 모델이 상기 복수 개의 지역 이미지 각각으로부터 추출한 특징을 확보하는 단계와,소정의 타겟 이미지를 입력받으면, 상기 기 학습된 머신 러닝 모델이 상기 타겟 이미지로부터 추출한 특징을 확보하는 단계와,상기 복수 개의 지역 이미지 각각에 대한 특징과 상기 타겟 이미지에 대한 특징 간의 유사도를 비교하는 단계와,상기 유사도에 대한 비교 결과에 기초해서 상기 복수 개의 지역 이미지 중 어느 하나를 선별하는 단계와,상기 선별된 지역 이미지에 포함된 위치 정보를 이용해서 상기 타겟 이미지에 대한 위치 정보를 추출하는 단계를 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하고,상기 머신 러닝 모델의 학습에 이용된 입력 데이터는, 소정의 지역을 제1 시점에 촬영한 기준 이미지, 상기 지역을 상기 제1 시점과 상이한 제2 시점에 촬영한 긍정 이미지 및 상기 지역과 상이한 지역을 촬영한 부정 이미지를 포함하고, 정답 데이터는, 상기 기준 이미지에 대한 기준 특징 벡터, 상기 긍정 이미지에 대한 긍정 특징 벡터 및 상기 부정 이미지에 대한 부정 특징 벡터를 포함하며,상기 머신 러닝 모델은, 상기 기준 특징 벡터와 상기 긍정 특징 벡터 간의 차이는 최소화시키고 상기 기준 특징 벡터와 상기 부정 특징 벡터 간의 차이는 최대화시키는 손실 함수를 이용해서 학습된 것인컴퓨터 프로그램
|
