1 |
1
초분광 영상에서 표적을 탐지하는 인공 신경망의 학습 장치에 있어서,반사율 분광 라이브러리에 저장되어 있는 반사율 스펙트럼의 고유 벡터들을 선형 조합하여 합성 반사율 스펙트럼을 생성하는 합성 반사율 생성부;표적 반사율 분광 라이브러리에 저장되어 있는 표적 반사율 스펙트럼과 상기 합성 반사율 생성부에서 생성된 합성 반사율 스펙트럼을 합쳐서 학습 데이터를 저장하는 학습용 반사율 분광 라이브러리; 및상기 학습 데이터로부터 복사 휘도를 산출하고, 상기 복사 휘도를 제1 겉보기 반사율 및 제2 겉보기 반사율로 변환하여 상기 인공 신경망에 전달하는 제1 순방향 모델링부를 포함하는 인공 신경망의 학습 장치
|
2 |
2
제1 항에 있어서,상기 합성 반사율 생성부는 상기 반사율 분광 라이브러리에 대한 주성분 분석을 수행하여 다수의 상위 고유값을 찾고, 상기 상위 고유값을 갖는 고유 벡터들을 선형 조합하여 상기 합성 반사율 스펙트럼을 생성하는 인공 신경망의 학습 장치
|
3 |
3
제1 항에 있어서,상기 합성 반사율 생성부는 상기 합성 반사율 스펙트럼을 이미 생성된 합성 반사율 스펙트럼의 집합의 각 원소들과 다름 정도를 비교하여 상기 합성 반사율 스펙트럼의 집합을 갱신하는 인공 신경망의 학습 장치
|
4 |
4
제1 항에 있어서,상기 제1 순방향 모델링부는 상기 합성 반사율 스펙트럼에 대해 복수의 복사 휘도를 산출하는 인공 신경망의 학습 장치
|
5 |
5
제1 항에 있어서,상기 인공 신경망은,상기 제1 겉보기 반사율에 대한 제1 특징 벡터를 출력하는 제1 인공 신경망; 및상기 제2 겉보기 반사율에 대한 제2 특징 벡터를 출력하는 제2 인공 신경망을 포함하고, 상기 제1 특징 벡터 및 상기 제2 특징 벡터가 손실 함수를 최소화하도록 학습하는 인공 신경망의 학습 장치
|
6 |
6
초분광 영상에서 표적을 탐지하는 인공 신경망을 이용한 초분광 영상 처리 장치에 있어서,반사율 분광 라이브러리에 저장되어 있는 반사율 스펙트럼을 이용하여 생성된 합성 반사율 스펙트럼을 포함하는 학습 데이터로부터 복사 휘도를 산출하고, 상기 복사 휘도를 제1 겉보기 반사율 및 제2 겉보기 반사율로 변환하여 상기 인공 신경망에 전달하는 제1 순방향 모델링부;초분광 영상의 복수의 화소 각각의 복사 휘도를 제3 겉보기 반사율로 변환하는 반사율 변환부;표적의 반사율 스펙트럼을 제4 겉보기 반사율로 변환하는 제2 순방향 모델링부;상기 인공 신경망으로부터 상기 제3 겉보기 반사율에 대한 제1 특징 벡터 및 상기 제4 겉보기 반사율에 대한 제2 특징 벡터를 전달받고, 상기 제1 특징 벡터와 상기 제2 특징 벡터를 내적하여 탐지 값을 산출하고, 상기 탐지 값이 임계치 이상일 경우 해당 화소를 표적으로 처리하는 탐지 처리부를 포함하는 초분광 영상 처리 장치
|
7 |
7
제6 항에 있어서,상기 반사율 분광 라이브러리에 저장되어 있는 반사율 스펙트럼의 고유 벡터들을 선형 조합하여 상기 합성 반사율 스펙트럼을 생성하는 합성 반사율 생성부를 더 포함하는 초분광 영상 처리 장치
|
8 |
8
제7 항에 있어서,표적 반사율 분광 라이브러리에 저장되어 있는 표적 반사율 스펙트럼과 상기 합성 반사율 생성부에서 생성된 합성 반사율 스펙트럼을 합쳐서 상기 학습 데이터를 저장하는 학습용 반사율 분광 라이브러리를 더 포함하는 초분광 영상 처리 장치
|
9 |
9
제7 항에 있어서,상기 합성 반사율 생성부는 상기 반사율 분광 라이브러리에 대한 주성분 분석을 수행하여 다수의 상위 고유값을 찾고, 상기 상위 고유값을 갖는 고유 벡터들을 선형 조합하여 상기 합성 반사율 스펙트럼을 생성하는 초분광 영상 처리 장치
|
10 |
10
제7 항에 있어서,상기 합성 반사율 생성부는 상기 합성 반사율 스펙트럼을 이미 생성된 합성 반사율 스펙트럼의 집합의 각 원소들과 다름 정도를 비교하여 상기 합성 반사율 스펙트럼의 집합을 갱신하는 초분광 영상 처리 장치
|
11 |
11
제7 항에 있어서,상기 제1 순방향 모델링부는 하나의 표적 물체에 대한 합성 반사율 스펙트럼에 대해 복수의 복사 휘도를 산출하는 초분광 영상 처리 장치
|
12 |
12
초분광 영상에서 표적을 탐지하는 인공 신경망의 학습 방법에 있어서,합성 반사율 생성부가 반사율 분광 라이브러리에 저장되어 있는 반사율 스펙트럼의 고유 벡터들을 선형 조합하여 합성 반사율 스펙트럼을 생성하는 단계;학습용 반사율 분광 라이브러리가 표적 반사율 분광 라이브러리에 저장되어 있는 표적 반사율 스펙트럼과 상기 합성 반사율 생성부에서 생성된 합성 반사율 스펙트럼을 합쳐서 학습 데이터를 저장하는 단계; 제1 순방향 모델링부가 상기 학습 데이터로부터 복사 휘도를 산출하고, 상기 복사 휘도를 제1 겉보기 반사율 및 제2 겉보기 반사율로 변환하는 단계; 및상기 인공 신경망이 상기 제1 겉보기 반사율에 대한 제1 특징 벡터 및 상기 제2 겉보기 반사율에 대한 제2 특징 벡터가 손실 함수를 최소화하도록 학습하는 단계를 포함하는 인공 신경망의 학습 방법
|