| 1 |
1
비디오 영상 입력으로부터 선택된 개수의 프레임을 묶어 세그먼트들을 생성하는 단계;상기 세그먼트들을 입력으로 한 신경망의 중간 계층의 특징을 기반으로 신경망을 학습하는 단계; 및 상기 세그먼트들을 학습된 신경망에 입력하여 상기 세그먼트 단위로 이상을 검출하는 단계를 포함하는, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 방법
|
| 2 |
2
제1 항에 있어서, 상기 신경망을 학습하는 단계는적어도 하나 이상의 이상 프레임을 포함하는 이상 비디오 영상으로 학습하는 단계를 포함하는, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 방법
|
| 3 |
3
제2 항에 있어서, 상기 이상 비디오 영상으로 학습하는 단계는상기 세그먼트에 대한 상기 신경망의 중간 계층의 특징을 기반으로 두 개의 클러스터를 생성하는 단계;상기 두 개의 클러스터 중 상기 신경망이 정상으로 예측한 정상 세그먼트의 수가 더 많은 클러스터를 정상 클러스터로 선택하는 단계; 및상기 두 개의 클러스터 중 상기 정상 클러스터로 선택되지 않은 나머지 클러스터를 이상 클러스터로 선택하는 단계를 포함하는, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 방법
|
| 4 |
4
제3 항에 있어서,상기 이상 비디오 영상으로 학습하는 단계는상기 정상 클러스터에 속해 있는 모든 세그먼트들의 레이블을 정상으로 레이블링하는 단계;상기 이상 클러스터에 속해 있는 모든 세그먼트들의 레이블을 이상으로 레이블링하는 단계; 및상기 레이블들을 상기 신경망의 예측결과 정답셋으로 설정하는 단계를 더 포함하는, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 방법
|
| 5 |
5
제4 항에 있어서,상기 이상 비디오 영상으로 학습하는 단계는상기 세그먼트들을 입력으로 한 신경망의 최종 값들을 상기 신경망의 예측결과 정답셋과 비교하여 손실함수1를 계산하는 단계;상기 정상 클러스터와 상기 이상 클러스터를 비교하여 손실함수2를 계산하는 단계; 및상기 손실함수1과 손실함수2를 종합하여 전체손실함수를 계산하는 단계를 더 포함하는, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 방법
|
| 6 |
6
제5 항에 있어서,상기 손실함수2는 상기 정상 클러스터의 중심과 상기 이상 클러스터의 중심 사이의 거리에 반비례하는 것인, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 방법
|
| 7 |
7
제1 항에 있어서,상기 신경망을 학습하는 단계는이상 프레임을 하나도 포함하지 않는 정상 비디오 영상으로 학습하는 단계를 포함하는, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 방법
|
| 8 |
8
제7 항에 있어서, 상기 정상 비디오 영상으로 학습하는 단계는상기 세그먼트에 대한 상기 신경망의 중간 계층의 특징을 기반으로 두 개의 클러스터를 생성하는 단계;상기 두 개의 클러스터 중 하나를 정상1 클러스터로 선택하는 단계; 및상기 두 개의 클러스터 중 다른 하나를 정상2 클러스터로 선택하는 단계를 포함하는, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 방법
|
| 9 |
9
제8 항에 있어서,상기 정상 비디오 영상으로 학습하는 단계는상기 세그먼트들을 입력으로 한 신경망의 최종 값들을 정상을 나타내는 정답셋과 비교하여 손실함수1을 계산하는 단계;상기 정상1 클러스터와 상기 정상2 클러스터를 비교하여 손실함수2를 계산하는 단계; 및상기 손실함수1과 손실함수2를 종합하여 전체손실함수를 계산하는 단계를 더 포함하는, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 방법
|
| 10 |
10
제9 항에 있어서,상기 손실함수2는 상기 정상1 클러스터의 중심과 상기 정상2 클러스터의 중심 사이의 거리에 비례하는 것인, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 방법
|
| 11 |
11
비디오 영상 입력으로부터 선택된 개수의 프레임을 묶어 세그먼트들을 생성하는 세그먼트 생성부;상기 세그먼트들을 입력으로 한 신경망의 중간 계층의 특징을 기반으로 신경망을 학습하는 신경망 학습부; 및 상기 세그먼트들을 학습된 신경망에 입력하여 상기 세그먼트 단위로 이상을 검출하는 이상 검출부를 포함하는, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 장치
|
| 12 |
12
제11 항에 있어서, 상기 신경망 학습부는적어도 하나 이상의 이상 프레임을 포함하는 이상 비디오 영상으로 학습하는 이상 비디오 학습부를 포함하는, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 장치
|
| 13 |
13
제12 항에 있어서, 상기 이상 비디오 학습부는상기 세그먼트에 대한 상기 신경망의 중간 계층의 특징을 기반으로 두 개의 클러스터를 생성하는 이상클러스터 생성부를 포함하고,상기 이상클러스터 생성부는상기 두 개의 클러스터 중 상기 신경망이 정상으로 예측한 정상 세그먼트의 수가 더 많은 클러스터를 정상 클러스터로 선택하고,상기 두 개의 클러스터 중 상기 정상 클러스터로 선택되지 않은 나머지 클러스터를 이상 클러스터로 선택하는 것인, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 장치
|
| 14 |
14
제13 항에 있어서,상기 이상 비디오 학습부는상기 세그먼트들에 대한 레이블을 생성하는 레이블링 생성부를 더 포함하고, 상기 레이블링 생성부는상기 정상 클러스터에 속해 있는 모든 세그먼트들의 레이블을 정상으로 생성하고,상기 이상 클러스터에 속해 있는 모든 세그먼트들의 레이블을 이상으로 생성하며,상기 레이블들을 상기 신경망의 예측결과 정답셋으로 설정하는 것인, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 장치
|
| 15 |
15
제14 항에 있어서,상기 이상 비디오 학습부는상기 세그먼트들을 입력으로 한 신경망의 최종 값들을 상기 신경망의 예측결과 정답셋과 비교하여 손실함수1를 계산하는 이상손실함수1 계산부;상기 정상 클러스터와 상기 이상 클러스터를 비교하여 손실함수2를 계산하는 이상손실함수2 계산부; 및상기 손실함수1과 손실함수2를 종합하여 전체손실함수를 계산하는 이상전체손실함수 계산부를 더 포함하는, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 장치
|
| 16 |
16
제15 항에 있어서,상기 손실함수2는 상기 정상 클러스터의 중심과 상기 이상 클러스터의 중심 사이의 거리에 반비례하는 것인, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 장치
|
| 17 |
17
제11 항에 있어서,상기 신경망 학습부는이상 프레임을 하나도 포함하지 않는 정상 비디오 영상으로 학습하는 정상 비디오 학습부를 포함하는, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 장치
|
| 18 |
18
제17 항에 있어서, 상기 정상 비디오 학습부는상기 세그먼트에 대한 상기 신경망의 중간 계층의 특징을 기반으로 두 개의 클러스터를 생성하는 정상클러스터 생성부를 포함하고,상기 정상클러스터 생성부는상기 두 개의 클러스터 중 하나를 정상1 클러스터로 선택하고,상기 두 개의 클러스터 중 다른 하나를 정상2 클러스터로 선택하는 것인, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 장치
|
| 19 |
19
제18 항에 있어서,상기 정상 비디오 학습부는상기 세그먼트들을 입력으로 한 신경망의 최종 값들을 정상을 나타내는 정답셋과 비교하여 손실함수1을 계산하는 정상손실함수1 계산부;상기 정상1 클러스터와 상기 정상2 클러스터를 비교하여 손실함수2를 계산하는 정상손실함수2 계산부; 및상기 손실함수1과 손실함수2를 종합하여 전체손실함수를 계산하는 정상전체손실함수 계산부를 더 포함하는, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 장치
|
| 20 |
20
제19 항에 있어서,상기 손실함수2는 상기 정상1 클러스터의 중심과 상기 정상2 클러스터의 중심 사이의 거리에 비례하는 것인, 비디오 영상 프레임의 세그먼팅을 이용한 이상 탐지 장치
|
