| 1 |
1
데이터 학습 시 사용되는 리소스를 줄이기 위하여, 병충해를 포함하는 원본 이미지의 데이터를 전처리(data preprocess)하여 데이터 연산량을 감소시켜 연산 속도를 빠르게 하는 데이터 전처리부, 및 상기 전처리의 결과 데이터를 저장하거나 필터링하는 데이터 후처리부를 포함하는 데이터 처리부; 및생성적 적대 신경망(GAN)을 통해 상기 전처리의 결과 데이터에 대응하는 유사 이미지를 생성하는 GAN 네트워크, 및 상기 생성된 유사 이미지를 이용하여 분류 모델을 학습하고, 상기 학습된 분류 모델을 기반으로 입력 이미지의 병충해 종류를 판단하여 분류하는 분류 네트워크를 포함하는 네트워크부를 포함하는 것을 특징으로 하는 생성적 적대 신경망을 이용한 과수 병충해 분류 시스템
|
| 2 |
2
제1항에 있어서,상기 데이터 전처리부는상기 원본 이미지의 사이즈를 조절하여 다운사이징(downsizing)하는 이미지 크기 조정부;상기 다운사이징된 원본 이미지로부터 관심 영역을 추출하는 관심 영역 추출부; 및상기 추출된 관심 영역의 이미지를 대비(contrast image) 처리하는 이미지 대비 처리부를 포함하는 것을 특징으로 하는 생성적 적대 신경망을 이용한 과수 병충해 분류 시스템
|
| 3 |
3
제2항에 있어서,상기 관심 영역 추출부는소벨 마스크(sobel mask)를 이용하여 계산한 RGB 평균값을 기반으로 상기 관심 영역을 추출하는 것을 특징으로 하는 생성적 적대 신경망을 이용한 과수 병충해 분류 시스템
|
| 4 |
4
제1항에 있어서,상기 데이터 후처리부는상기 전처리의 결과 데이터를 저장하고, 상기 생성된 유사 이미지가 정해진 양 이상으로 모일 경우 상기 분류 네트워크로 보내는 데이터 저장부; 및상기 전처리의 결과 데이터를 필터링하고, 상기 생성된 유사 이미지 중에서 품질이 미리 정해진 기준치보다 낮은 데이터를 필터링하는 데이터 필터부를 포함하는 것을 특징으로 하는 생성적 적대 신경망을 이용한 과수 병충해 분류 시스템
|
| 5 |
5
제1항에 있어서,상기 GAN 네트워크는병충해를 포함하지 않는 샘플 이미지를 기반으로, 상기 생성적 적대 신경망을 통해 상기 유사 이미지를 생성하는 것을 특징으로 하는 생성적 적대 신경망을 이용한 과수 병충해 분류 시스템
|
| 6 |
6
제1항에 있어서,상기 GAN 네트워크는상기 유사 이미지를 생성하는 과정을 미리 설정된 일정 수에 도달할 때까지 반복하고,상기 분류 네트워크는상기 유사 이미지가 일정 수에 도달하면, 상기 일정 수의 유사 이미지를 이용하여 상기 분류 모델을 학습함으로써, 학습에 사용되는 데이터의 양을 늘리고 클래스별 데이터 불균형을 해소하는 것을 특징으로 하는 생성적 적대 신경망을 이용한 과수 병충해 분류 시스템
|
| 7 |
7
제1항에 있어서,상기 생성적 적대 신경망은기존의 DCGAN와 판별자를 제외하고 모두 동일하게 설계되며,상기 판별자는상기 원본 이미지가 잎이라는 일정한 형태를 띠고 잎에서 발생하는 병을 주제로 하고 있는 것을 고려하여, 상기 기존의 DCGAN에서 컨볼루션 레이어(Convolution Layer)의 크기를 5*5에서 3*3으로 수정하여 연산량을 줄이고 메모리를 절약하며, 활성화 함수를 Relu가 아닌 Sigmoid를 사용하여 다양한 클래스의 유사 이미지를 생성하도록 설계되는 것을 특징으로 하는 생성적 적대 신경망을 이용한 과수 병충해 분류 시스템
|
| 8 |
8
생성적 적대 신경망을 이용한 과수 병충해 분류 시스템을 이용한 과수 병충해 분류 방법에 있어서,데이터 학습 시 사용되는 리소스를 줄이기 위하여, 병충해를 포함하는 원본 이미지의 데이터를 전처리(data preprocess)하여 데이터 연산량을 감소시켜 연산 속도를 빠르게 하는 단계;상기 전처리의 결과 데이터를 저장하거나 필터링하는 단계;생성적 적대 신경망(GAN)을 통해 상기 전처리의 결과 데이터에 대응하는 유사 이미지를 생성하는 단계;상기 생성된 유사 이미지를 이용하여 분류 모델을 학습하는 단계; 및상기 학습된 분류 모델을 기반으로 입력 이미지의 병충해 종류를 판단하여 분류하는 단계를 포함하는 것을 특징으로 하는 생성적 적대 신경망을 이용한 과수 병충해 분류 방법
|
| 9 |
9
제8항에 있어서,상기 원본 이미지의 데이터를 전처리하여 데이터 연산량을 감소시켜 연산 속도를 빠르게 하는 단계는상기 원본 이미지의 사이즈를 조절하여 다운사이징(downsizing)하는 단계;상기 다운사이징된 원본 이미지로부터 관심 영역을 추출하는 단계; 및상기 추출된 관심 영역의 이미지를 대비(contrast image) 처리하는 단계를 포함하는 것을 특징으로 하는 생성적 적대 신경망을 이용한 과수 병충해 분류 방법
|
| 10 |
10
제8항에 있어서,상기 유사 이미지를 생성하는 단계는병충해를 포함하지 않는 샘플 이미지를 기반으로, 상기 생성적 적대 신경망을 통해 상기 유사 이미지를 생성하는 단계를 포함하는 것을 특징으로 하는 생성적 적대 신경망을 이용한 과수 병충해 분류 방법
|
| 11 |
11
제8항에 있어서,상기 생성적 적대 신경망은기존의 DCGAN와 판별자를 제외하고 모두 동일하게 설계되며,상기 판별자는상기 원본 이미지가 잎이라는 일정한 형태를 띠고 잎에서 발생하는 병을 주제로 하고 있는 것을 고려하여, 상기 기존의 DCGAN에서 컨볼루션 레이어(Convolution Layer)의 크기를 5*5에서 3*3으로 수정하여 연산량을 줄이고 메모리를 절약하며, 활성화 함수를 Relu가 아닌 Sigmoid를 사용하여 다양한 클래스의 유사 이미지를 생성하도록 설계되는 것을 특징으로 하는 생성적 적대 신경망을 이용한 과수 병충해 분류 방법
|
