| 1 |
1
컴퓨터에서 실행되는 확장형 카테고리를 위한 계층적 객체 검출 방법에 있어서, 데이터 샘플들을 기반으로, 수퍼 클래스 레벨과 증강 클래스 레벨로 구성되는 동적 계층적 특징 모델을 구성하는 단계;상기 데이터 샘플들로부터 상기 증강 클래스 레벨로 분류되지 않은 아웃라이어(outlier)를 검출하는 단계; 및상기 아웃라이어를 기반으로, 개방형 학습을 통해, 상기 동적 계층적 특징 모델을 업데이트하는 단계를 포함하는 방법
|
| 2 |
2
제 1 항에 있어서, 상기 개방형 학습은,협력 샘플링(collaborative sampling; CS) 알고리즘을 기초로 하는 증분(incremental) ASSL(active semi-supervised learning)을 포함하는 방법
|
| 3 |
3
제 1 항에 있어서, 상기 동적 계층적 특징 모델을 업데이트하는 단계는,상기 데이터 샘플들을 라벨링된 샘플들과 나머지 샘플들로 분할하는 단계;상기 나머지 샘플들 중 상기 아웃라이어에 신뢰도 점수를 할당하는 단계; 상기 신뢰도 점수에 따라, 상기 아웃라이어에 라벨을 할당하여, 상기 라벨링된 샘플들을 증분시키는 단계; 및상기 증분된 라벨링된 샘플들을 이용하여, 상기 동적 계층적 특징 모델을 업데이트하는 단계를 포함하는 방법
|
| 4 |
4
제 3 항에 있어서, 상기 신뢰도 점수를 할당하는 단계는,상기 아웃라이어에 슈도(pseudo) 라벨을 할당하는 단계; 및상기 슈도 라벨을 기반으로, 상기 아웃라이어에 상기 신뢰도 점수를 할당하는 단계; 상기 신뢰도 점수를 기반으로, 상기 아웃라이어를 선택하는 단계;상기 아웃라이어에 상기 신뢰도 점수를 할당하는 단계를 포함하는 방법
|
| 5 |
5
제 1 항에 있어서, 상기 동적 계층적 특징 모델을 구성하는 단계는,상기 데이터 샘플들 중 상기 라벨링된 샘플들로 상기 동적 계층적 특징 모델을 구성하는 단계를 포함하는 방법
|
| 6 |
6
비-일시적(non-transitory) 컴퓨터-판독 가능 기록 매체에 있어서, 데이터 샘플들을 기반으로, 수퍼 클래스 레벨과 증강 클래스 레벨로 구성되는 동적 계층적 특징 모델을 구성하는 단계;상기 데이터 샘플들로부터 상기 증강 클래스 레벨로 분류되지 않은 아웃라이어(outlier)를 검출하는 단계; 및상기 아웃라이어를 기반으로, 개방형 학습을 통해, 상기 동적 계층적 특징 모델을 업데이트하는 단계를 실행하기 위한 하나 이상의 프로그램들을 저장하기 위한 비-일시적 컴퓨터-판독 가능 기록 매체
|
| 7 |
7
제 6 항에 있어서, 상기 개방형 학습은,협력 샘플링 알고리즘을 기초로 하는 증분 ASSL을 포함하는 비-일시적 컴퓨터-판독 가능 기록 매체
|
| 8 |
8
제 6 항에 있어서, 상기 동적 계층적 특징 모델을 업데이트하는 단계는,상기 데이터 샘플들을 라벨링된 샘플들과 나머지 샘플들로 분할하는 단계;상기 나머지 샘플들 중 상기 아웃라이어에 신뢰도 점수를 할당하는 단계; 상기 신뢰도 점수에 따라, 상기 아웃라이어에 라벨을 할당하여, 상기 라벨링된 샘플들을 증분시키는 단계; 및상기 증분된 라벨링된 샘플들을 이용하여, 상기 동적 계층적 특징 모델을 업데이트하는 단계를 포함하는 비-일시적 컴퓨터-판독 가능 기록 매체
|
| 9 |
9
제 8 항에 있어서, 상기 신뢰도 점수를 할당하는 단계는,상기 아웃라이어에 슈도(pseudo) 라벨을 할당하는 단계; 및상기 슈도 라벨을 기반으로, 상기 아웃라이어에 상기 신뢰도 점수를 할당하는 단계; 상기 신뢰도 점수를 기반으로, 상기 아웃라이어를 선택하는 단계;상기 아웃라이어에 상기 신뢰도 점수를 할당하는 단계를 포함하는 비-일시적 컴퓨터-판독 가능 기록 매체
|
| 10 |
10
제 6 항에 있어서, 상기 동적 계층적 특징 모델을 구성하는 단계는,상기 데이터 샘플들 중 상기 라벨링된 샘플들로 상기 동적 계층적 특징 모델을 구성하는 단계를 포함하는 비-일시적 컴퓨터-판독 가능 기록 매체
|
