1 |
1
위장패턴 생성 장치가 수행하는 위장패턴 생성 방법으로서,적대적 공격(Adversarial Attack)을 위한 임의의 위장패턴(camouflage c)이 포함된 객체(object)를 이미지로 렌더링하는 단계와,물체 탐지를 위한 학습용 이미지가 미리 학습된 딥러닝 모델들 중 성능 상향 대상으로 선정한 제 1 딥러닝 모델과 성능 하향 대상으로 선정한 제 2 딥러닝 모델에 상기 렌더링된 이미지를 각각 입력한 결과에 기초하여, 상기 제 1 딥러닝 모델과 상기 제 2 딥러닝 모델의 대표 손실함수를 각각 정의하는 단계와,상기 각각 정의된 대표 손실함수를 이용하여 전체 손실함수를 정의하는 단계와,상기 전체 손실함수가 최소화되도록 상기 위장패턴을 최적화하는 단계를 포함하는위장패턴 생성 방법
|
2 |
2
제 1 항에 있어서,상기 렌더링하는 단계는,상기 객체의 표면에 상기 임의의 위장패턴을 부착한 객체에 대한 복수의 뷰(view) 중 어느 하나의 뷰를 랜덤하게 선택해 상기 이미지로 렌더링하는위장패턴 생성 방법
|
3 |
3
제 1 항에 있어서,상기 대표 손실함수를 각각 정의하는 단계는,상기 제 1 딥러닝 모델과 상기 제 2 딥러닝 모델에 입력한 i번째 이미지에 대한 손실함수를 정의하는 단계와,각 이미지들에 대해 정의된 손실함수들의 평균값을 상기 제 1 딥러닝 모델과 상기 제 2 딥러닝 모델의 상기 대표 손실함수로 정의하는 단계를 포함하는위장패턴 생성 방법
|
4 |
4
제 3 항에 있어서,상기 전체 손실함수를 정의하는 단계는,상기 제 1 딥러닝 모델에 대한 대표 손실함수에 1을 곱한 값과 상기 제 2 딥러닝 모델에 대한 대표 손실함수에 -1을 곱한 값을 합산한 결과를 상기 전체 손실함수로 정의하는위장패턴 생성 방법
|
5 |
5
제 4 항에 있어서,상기 전체 손실함수를 정의하는 단계는,상기 제 1 딥러닝 모델에 대한 대표 손실함수와 상기 제 2 딥러닝 모델에 대한 대표 손실함수 중 적어도 하나에 가중치를 더하여 상기 전체 손실함수를 정의하는위장패턴 생성 방법
|
6 |
6
이미지 데이터가 입력되는 입력부와,물체 탐지를 위한 학습용 이미지가 미리 학습된 딥러닝 모델들을 포함하는 딥러닝 모델부와,상기 이미지 데이터를 이용하여 상기 딥러닝 모델들을 학습시키는 프로세서부를 포함하고,상기 프로세서부는,적대적 공격(Adversarial Attack)을 위한 임의의 위장패턴(camouflage c)이 포함된 객체(object)를 이미지로 렌더링하며, 상기 딥러닝 모델들 중 성능 상향 대상으로 선정한 제 1 딥러닝 모델과 성능 하향 대상으로 선정한 제 2 딥러닝 모델에 상기 렌더링된 이미지를 각각 입력한 결과에 기초하여, 상기 제 1 딥러닝 모델과 상기 제 2 딥러닝 모델의 대표 손실함수를 각각 정의하고, 상기 각각 정의된 대표 손실함수를 이용하여 전체 손실함수를 정의하며, 상기 전체 손실함수가 최소화되도록 상기 위장패턴을 최적화하는위장패턴 생성 장치
|
7 |
7
제 6 항에 있어서,상기 프로세서부는,상기 객체의 표면에 상기 임의의 위장패턴을 부착한 객체에 대한 복수의 뷰(view) 중 어느 하나의 뷰를 랜덤하게 선택해 상기 이미지로 렌더링하는위장패턴 생성 장치
|
8 |
8
제 6 항에 있어서,상기 프로세서부는,상기 제 1 딥러닝 모델과 상기 제 2 딥러닝 모델에 입력한 i번째 이미지에 대한 손실함수를 정의하고, 각 이미지들에 대해 정의된 손실함수들의 평균값을 상기 제 1 딥러닝 모델과 상기 제 2 딥러닝 모델의 상기 대표 손실함수로 정의하는위장패턴 생성 장치
|
9 |
9
제 8 항에 있어서,상기 프로세서부는,상기 제 1 딥러닝 모델에 대한 대표 손실함수에 1을 곱한 값과 상기 제 2 딥러닝 모델에 대한 대표 손실함수에 -1을 곱한 값을 합산한 결과를 상기 전체 손실함수로 정의하는위장패턴 생성 장치
|
10 |
10
제 9 항에 있어서,상기 프로세서부는,상기 제 1 딥러닝 모델에 대한 대표 손실함수와 상기 제 2 딥러닝 모델에 대한 대표 손실함수 중 적어도 하나에 가중치를 더하여 상기 전체 손실함수를 정의하는위장패턴 생성 장치
|
11 |
11
컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,적대적 공격(Adversarial Attack)을 위한 임의의 위장패턴(camouflage c)이 포함된 객체(object)를 이미지로 렌더링하는 단계와,물체 탐지를 위한 학습용 이미지가 미리 학습된 딥러닝 모델들 중 성능 상향 대상으로 선정한 제 1 딥러닝 모델과 성능 하향 대상으로 선정한 제 2 딥러닝 모델에 상기 렌더링된 이미지를 각각 입력한 결과에 기초하여, 상기 제 1 딥러닝 모델과 상기 제 2 딥러닝 모델의 대표 손실함수를 각각 정의하는 단계와,상기 각각 정의된 대표 손실함수를 이용하여 전체 손실함수를 정의하는 단계와,상기 전체 손실함수가 최소화되도록 상기 위장패턴을 최적화하는 단계를 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는, 컴퓨터 판독 가능한 기록매체
|
12 |
12
컴퓨터 판독 가능 기록매체에 저장되어 있는 컴퓨터 프로그램으로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,적대적 공격(Adversarial Attack)을 위한 임의의 위장패턴(camouflage c)이 포함된 객체(object)를 이미지로 렌더링하는 단계와,물체 탐지를 위한 학습용 이미지가 미리 학습된 딥러닝 모델들 중 성능 상향 대상으로 선정한 제 1 딥러닝 모델과 성능 하향 대상으로 선정한 제 2 딥러닝 모델에 상기 렌더링된 이미지를 각각 입력한 결과에 기초하여, 상기 제 1 딥러닝 모델과 상기 제 2 딥러닝 모델의 대표 손실함수를 각각 정의하는 단계와,상기 각각 정의된 대표 손실함수를 이용하여 전체 손실함수를 정의하는 단계와,상기 전체 손실함수가 최소화되도록 상기 위장패턴을 최적화하는 단계를 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는, 컴퓨터 프로그램
|