1 |
1
학습데이터를 그레이 스케일로 변환하고, 상기 그레이 스케일로 변환한 학습데이터에 대한 멀티 스케일 이미지를 생성하는 전처리부;상기 생성한 멀티 스케일 이미지를 학습하여 관심객체를 세그먼테이션하기 위한 학습모델을 생성하는 학습모델 생성부;를 포함하며,상기 학습은, 다중 딥 인코더-디코더 네트워크를 연속적으로 구성한 CDED(consecutive deep encoder decoder) 네트워크를 통해 수행되며, 상기 멀티 스케일 이미지에 포함된 관심객체의 경계선을 포함하는 예측 이미지를 출력하는 제1 학습과정 및 상기 출력한 예측 이미지에서, 상기 관심객체의 내부에서 누락된 패턴인 상기 관심객체의 경계선에 대한 누락패턴을 학습하여, 상기 예측 이미지에서 상기 누락패턴을 복구함으로써, 최종적으로 관심객체를 세그먼테이션한 이미지를 출력하는 제2 학습과정을 포함하는 것을 특징으로 하는 연속적인 딥 인코더-디코더 네트워크를 이용한 이미지 세그먼테이션 장치
|
2 |
2
청구항 1에 있어서,상기 제1 학습과정은,상기 멀티 스케일 이미지와 해당 멀티 스케일 이미지에 포함된 관심객체에 대한 경계선을 강조하여 증강한 경계선 강조 증강 이미지를 학습함으로써, 수행되며,상기 경계선 강조 증강 이미지는, 상기 멀티 스케일 이미지에서 관심객체의 좌표를 검출 한 후, 상기 관심객체의 윤곽선을 제외한 상기 관심객체의 내부부분을 삭제함으로써, 생성되는 것을 특징으로 하는 연속적인 딥 인코더-디코더 네트워크를 이용한 이미지 세그먼테이션 장치
|
3 |
3
청구항 1에 있어서,상기 제2 학습과정은,상기 제1 학습과정에서 출력한 예측 이미지와, 상기 출력한 예측 이미지에서 관심객체의 경계선에 대하여 생성한 상기 관심객체의 경계선에 대한 누락패턴을 학습함으로 수행되며,상기 관심객체의 경계선에 대한 누락패턴은, 상기 출력한 예측 이미지에서 상기 관심객체의 경계선에 대한 내부부분인 상기 관심객체의 내부에서 누락된 패턴이며, 멀티 스케일 이미지에서 상기 출력한 예측 이미지를 감산함으로써, 생성되는 것을 특징으로 하는 연속적인 딥 인코더-디코더 네트워크를 이용한 이미지 세그먼테이션 장치
|
4 |
4
청구항 1에 있어서,상기 이미지 세그먼테이션 장치는, 관심객체를 세그먼테이션하기 위한 특정 이미지가 수신되는 경우, 상기 전처리부를 제어하여, 상기 전처리부를 통해 상기 수신한 특정 이미지를 그레이 스케일로 변환 한 후, 멀티 스케일 이미지를 생성하고, 상기 생성한 멀티 스케일 이미지를 상기 생성한 학습모델에 적용함으로써, 해당 관심객체에 대한 세그먼테이션을 수행하는 이미지 세그먼테이션부; 및상기 수행한 관심객체에 대한 세그먼테이션 결과를 사용자에게 제공하는 세그먼테이션 결과 제공부;를 더 포함하는 것을 특징으로 하는 딥 인코더-디코더 네트워크를 이용한 이미지 세그먼테이션 장치
|
5 |
5
청구항 1에 있어서,상기 이미지 세그먼테이션 장치는,상기 학습데이터에 대한 탄성변형(elastic distortion), 리플렉션(reflection), 랜덤 크로핑(random cropping), 트랜스레이션(translation), 로테이션(rotation) 또는 이들의 조합을 수행하여 상기 학습데이터의 각 인스턴스(instance)가 변경된 복사본을 생성함으로써, 상기 학습데이터의 제한된 수를 증가시키는 것을 더 포함하는 것을 특징으로 하는 딥 인코더-디코더 네트워크를 이용한 이미지 세그먼테이션 장치
|
6 |
6
학습데이터를 그레이 스케일로 변환하고, 상기 그레이 스케일로 변환한 학습데이터에 대한 멀티 스케일 이미지를 생성하는 전처리 단계;상기 생성한 멀티 스케일 이미지를 학습하여 관심객체를 세그먼테이션하기 위한 학습모델을 생성하는 학습모델 생성 단계;를 포함하며,상기 학습은, 다중 딥 인코더-디코더 네트워크를 연속적으로 구성한 CDED(consecutive deep encoder decoder) 네트워크를 통해 수행되며, 상기 멀티 스케일 이미지에 포함된 관심객체의 경계선을 포함하는 예측 이미지를 출력하는 제1 학습과정 및 상기 출력한 예측 이미지에서, 상기 관심객체의 내부에서 누락된 패턴인 상기 관심객체의 경계선에 대한 누락패턴을 학습하여, 상기 예측 이미지에서 상기 누락패턴을 복구함으로써, 최종적으로 관심객체를 세그먼테이션한 이미지를 출력하는 제2 학습과정을 포함하는 것을 특징으로 하는 연속적인 딥 인코더-디코더 네트워크를 이용한 이미지 세그먼테이션 방법
|
7 |
7
청구항 6에 있어서,상기 제1 학습과정은,상기 멀티 스케일 이미지와 해당 멀티 스케일 이미지에 포함된 관심객체에 대한 경계선을 강조하여 증강한 경계선 강조 증강 이미지를 학습함으로써, 수행되며,상기 경계선 강조 증강 이미지는, 상기 멀티 스케일 이미지에서 관심객체의 좌표를 검출 한 후, 상기 관심객체의 윤곽선을 제외한 상기 관심객체의 내부부분을 삭제함으로써, 생성되는 것을 특징으로 하는 연속적인 딥 인코더-디코더 네트워크를 이용한 이미지 세그먼테이션 방법
|
8 |
8
청구항 6에 있어서,상기 제2 학습과정은,상기 제1 학습과정에서 출력한 예측 이미지와, 상기 출력한 예측 이미지에서 관심객체의 경계선에 대하여 생성한 상기 관심객체의 경계선에 대한 누락패턴을 학습함으로 수행되며,상기 관심객체의 경계선에 대한 누락패턴은, 상기 출력한 예측 이미지에서 상기 관심객체의 경계선에 대한 내부부분인 상기 관심객체의 내부에서 누락된 패턴이며, 멀티 스케일 이미지에서 상기 출력한 예측 이미지를 감산함으로써, 생성되는 것을 특징으로 하는 연속적인 딥 인코더-디코더 네트워크를 이용한 이미지 세그먼테이션 방법
|
9 |
9
청구항 6에 있어서,상기 이미지 세그먼테이션 방법은,관심객체를 세그먼테이션하기 위한 특정 이미지가 수신되는 경우, 전처리부를 제어하여, 상기 전처리부를 통해 상기 수신한 특정 이미지를 그레이 스케일로 변환 한 후, 멀티 스케일 이미지를 생성하고, 상기 생성한 멀티 스케일 이미지를 상기 생성한 학습모델에 적용함으로써, 해당 관심객체에 대한 세그먼테이션을 수행하는 이미지 세그먼테이션 단계; 및상기 수행한 관심객체에 대한 세그먼테이션 결과를 사용자에게 제공하는 세그먼테이션 결과 제공 단계;를 더 포함하는 것을 특징으로 하는 딥 인코더-디코더 네트워크를 이용한 이미지 세그먼테이션 방법
|
10 |
10
청구항 6에 있어서,상기 이미지 세그먼테이션 방법은,상기 학습데이터에 대한 탄성변형(elastic distortion), 리플렉션(reflection), 랜덤 크로핑(random cropping), 트랜스레이션(translation), 로테이션(rotation) 또는 이들의 조합을 수행하여 상기 학습데이터의 각 인스턴스(instance)가 변경된 복사본을 생성함으로써, 상기 학습데이터의 제한된 수를 증가시키는 단계;를 더 포함하는 것을 특징으로 하는 딥 인코더-디코더 네트워크를 이용한 이미지 세그먼테이션 방법
|