1 |
1
최대화 또는 최소화 파라미터 수 딥러닝 구조가 적용된 잡초 판별 방법에 있어서,최대화 파라미터 수 딥러닝 구조 또는 최소화 파라미터 수 딥러닝 구조를 이용하여 잡초 데이터셋에서 잡초를 판별하는 판별단계를 포함하는 잡초 판별 방법
|
2 |
2
제1항에 있어서,상기 판별단계 전에,영상 데이터를 하나 이상의 잡초 데이터셋으로 처리하는 영상처리단계를 더 포함하는 잡초 판별 방법
|
3 |
3
제2항에 있어서,상기 영상처리단계는,영상 데이터에서 잡초(객체)로 볼 수 있는 잎, 꽃, 열매 및 전초를 구분하여 잘라내 하나 이상의 잡초 이미지를 생성하는 단계;생성된 잡초 이미지를 압축시키는 단계 및압축된 잡초 이미지를 데이터 증강 기법을 이용하여 잡초 데이터셋으로 처리하는 단계를 포함하는 잡초 판별 방법
|
4 |
4
제1항에 있어서,상기 판별단계는,상기 최대화 파라미터 수 딥러닝 구조를 이용할 경우,잡초 데이터셋을 입력하여 확률 벡터가 구해진 두개 이상의 단일 분류 모델의 가중치(αn)를 각각 설정하는 가중치 설정 단계 및설정된 가중치(αn)를 혼합하여 최종 판별 결과를 획득하는 혼합단계를 포함하는 잡초 판별 방법
|
5 |
5
제4항에 있어서,상기 가중치 설정 단계는,가중치(αn)를 1로 설정하는 것을 특징으로 하는 잡초 판별 방법
|
6 |
6
제4항에 있어서,상기 가중치 설정 단계는,상기 가중치(αn)를 하기 수학식 1을 통해 계산하여 설정하는 것을 특징으로 하는 잡초 판별 방법[수학식 1](여기서, n은 단일 분류 모델 개수, MAX는 단일 분류 모델의 최종 클래스 별 확률값 중 최대값이다
|
7 |
7
제4항에 있어서,상기 가중치 설정 단계는,다중 레이어 퍼셉트론을 통해 가중치(αn)를 계산하여 설정하는 것을 특징으로 하는 잡초 판별 방법
|
8 |
8
제7항에 있어서,상기 가중치 설정 단계는,엔트로피 방법 또는 최대차이 방법을 통해 각 단일 분류 모델의 확률 벡터를 상기 다중 레이어 퍼셉트론의 입력값인 신뢰값(실수값)으로 변환하는 것을 특징으로 하는 잡초 판별 방법
|
9 |
9
제4항에 있어서,상기 혼합단계는,가중치 선형 결합 방법 또는 가중치 제곱 결합 방법을 통해 각 단일 분류 모델의 가중치(αn)를 혼합하여 최종 판별 결과를 획득하는 것을 특징으로 하는 잡초 판별 방법
|
10 |
10
제1항에 있어서,상기 판별단계는,상기 최소화 파라미터 수 딥러닝 구조를 이용할 경우,부모분류기에 잡초 데이터셋을 입력시켜 과(family)를 판별하는 과 판별단계 및판별된 과에 해당하는 자식분류기를 통해 종(class)을 판별하여 최종 판별 결과를 획득하는 종 판별단계를 포함하는 잡초 판별 방법
|
11 |
11
제10항에 있어서,상기 종 판별단계는,상기 부모분류기 및 자식분류기에서 구해진 값을 이용하여 하기 수학식 6을 통해 최종 판별 결과를 획득하는 것을 특징으로 하는 잡초 판별 방법
|
12 |
12
제10항에 있어서,상기 잡초 데이터셋은,잡초의 과(family)와 종(class)에 관한 정보를 트리구조로 가지고 있는 것을 특징으로 하는 잡초 판별 방법
|
13 |
13
제11항에 있어서,상기 판별단계는,상기 과 판별단계에서 상기 분모분류기가 정답을 정확히 예측했는지 틀렸는지를 문턱값을 이용하여 판단하는 예측값 판단단계를 더 포함하는 잡초 판별 방법
|
14 |
14
제13항에 있어서,상기 판별단계는,상기 예측값 판단단계에서 분모분류기가 정답을 틀리게 예측할 경우 정답을 찾는 보강단계를 더 포함하고,상기 보강단계는,상기 예측값 판단단계에서 판단에 따라 하기 수학식 7 및 8을 통해, 부모분류기가 정답을 정확히 예측할 경우 에서 0으로 수렴하고, 부모분류기가 정답과 틀리게 예측할 경우 해당되는 하나 이상의 자식분류기의 정답 확률 벡터를 계산하여 가장 높은 값을 가지는 예측값을 도출하는 것을 특징으로 하는 잡초 판별 방법
|
15 |
15
제1항에 있어서,상기 판별단계는,상기 최소화 파라미터 수 딥러닝 구조를 이용할 경우,상기 부모분류기 및 자식분류기를 이용하여 하기 수학식 9를 통해 최종 판별 결과를 획득하여,과(family)와 종(class)을 동시에 판별하는 것을 특징으로 하는 잡초 판별 방법
|